1、解决python虚拟环境失败方法：首先，打开电脑，右键点击左下角的开始按钮，在弹出菜单中选择“运行”菜单项。其次，在运行菜单内输入“windowsPowerShell”点击回车。
创建名为 frog_test 的虚拟环境，指定python版本 7 。
第一次进入pycharm它会直接提示你选择python解释器，也就是要去选定我们的环境。anaconda所有的虚拟环境都存放在conda目录下的envs目录下，base虚拟环境除外，它是anaconda自己创建的一个虚拟环境。
使用conda create --name my_pro python7时总是出错，错误提示如下图：然后我去掉python直接创建一个虚拟环境，直接创建一个虚拟环境my_pro，成功创建。根据提示激活虚拟环境：conda activate my_pro：并出现下图错误。
conda config --set show_channel_urls yes 更新pip包到最新版本后，所需要的所有包使用pip安装就行，因为只要使用conda安装，就会出现“python已停止工作”。不知道在前天使用conda创建虚拟环境出错后到底哪里出了问题。
conda update --all 更新完后，创建虚拟环境仍然出错，不得已，我又回到了navigator中创建，然后换成清华源。
在导航栏输入anaconda，就会出现对应类似命令行的选项 直接进入后，是在（base）环境下。
第一次进入pycharm它会直接提示你选择python解释器，也就是要去选定我们的环境。anaconda所有的虚拟环境都存放在conda目录下的envs目录下，base虚拟环境除外，它是anaconda自己创建的一个虚拟环境。
输入exit()，即可退出python环境。也可以在(base)中输入 jupyter notebook，在jupyter环境中输入命令查看。
py27创建完成之后，会在Anaconda的安装目录的envs目录下出现一个以创建的环境名称py27为名称的文件夹。
但是在用Anaconda创建虚拟环境下，如果通过 pip 安装库的时候却常出现无法找到安装包的问题。
1、其包含了conda、Python等180多个科学包及其依赖项。conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
2、当使用conda install无法进行安装时，可以考虑从Anaconda.org中获取安装包的命令，并进行安装。 → 注意 从Anaconda.org安装包时，无需注册。
3、conda的配置文件(.condarc)是一个可选的运行时配置文件，它允许高级用户配置conda的各个方面，比如搜索包、代理设置和环境目录的通道。condarc能改变很多参数：(1)conda在那里找包。(2)conda是否以及如何使用proxy server。
4、Anaconda 是一种Python语言的免费增值 开源发行版，用于进行大规模数据处理， 预测分析， 和科学计算， 致力于简化包的管理和部署。 Anaconda使用软件包管理系统Conda进行包管理。
1、在pycharm中使用anaconda部署python环境的方法：打开pycharm，依次点击file、settings选项；找到project interpreter选项；添加anaconda中python.exe的路径即可。
2、图6输入python可进入python的交互编程界面，实际上我们很多情况下会用Jupyternotebook来编程方便，当然，读者可根据自身的实际情况，也会选择Pycharm等其他环境编程。
3、其他的IDE使用anaconda 由于安装完anaconda就自带了Spyder集成开发环境了，所以不需要任何配置可以直接使用，但是其他你自己安装的IDE要想使用anaconda需要配置。配置的方法我们可以去官网了解。下面我们以Pycharm为例。
4、deactivate env_name 删除虚拟环境：conda env remove -n env_name 显示所有虚拟环境：conda env list conda 创建的虚拟环境是在anaconda安装目录下的envs下，所以使用pycharm，只要在特定项目配置运行环境就可以了。
virtual Enviroment是虚拟环境，很干净。创建出来会在env里面多一个目录，可以看到里面有纯python执行程序和少量依赖包。你可以用conda自带的环境，这个只需要你指向一下即可，既然很多库都有了，一般情况就直接用这个就好。
conda 创建的虚拟环境是在anaconda安装目录下的envs下，所以使用pycharm，只要在特定项目配置运行环境就可以了。
首先conda和原版python的虚拟环境没有区别，感觉上唯一的区别是安装包的方式不同，一个是用conda，一个是用pip安装第三方包。然后就是conda里的numba可以用显卡来加速运算， 普通python就没找到可以GPU加速的方法。
我这台电脑有3个环境，分别是 base 、 professior 、 pycharm book 其中 base 可以看到有个*，代表的是它为最根本的环境。
python和anaconda的不同点 编译器就是你写代码的环境，比如pycharm或者vscode。由于python3不兼容python2，也就是说python2语言写出来的代码没办法在python3的环境中运行。