环境变量PATH的作用

环境变量PATH是操作系统用来查找可执行文件(如.exe,.bat,.py...)的一组目录，是个目录。

当你在命令行中输入命令时，系统会按照PATH中列出的目录顺序去查找对应的可执行文件，如果没有找到，就会提示命令无法识别。安装Python时，Python的 解释器python.exe 和 包管理器pip 一并被安装，其中解释器安装在了主目录，而pip等命令行工具的可执行文件在主目录下的Scripts的子目录内。为了能够在命令行中直接进入Python环境和使用pip安装库，你需要将这俩工具的路径都添加到环境变量PATH中。如果你只添加了Python解释器的主目录到PATH中，而没有添加Scripts目录，那么当你尝试在命令行中运行pip时，系统可能会报错，显示“‘pip’ 不是内部或外部命令，也不是可运行的程序或批处理文件。” 这是因为系统无法在PATH变量中列出的目录中找到pip.exe。（添加一个目录到PATH环境变量时，系统并不会自动搜索该目录下的子目录）。

第三方包到底是安装在了Script文件还是\Lib\site-packages文件?Scripts 目录Lib\site-packages 目录

主要功能

存放可执行的文件（如 .exe, .bat, .sh）

pip.exe, conda.exe, activate.bat, django-admin.exe

存放第三方包和模块文件如.py

numpy, pandas, flask, Django

使用方式

CMD命令行调用

通过 import 语句在 Python 代码中导入

环境变量

需要添加到 PATH 环境变量中

不需要添加到 PATH，由 Python 自动搜索

确认安装位置

使用 where 命令（Windows）或 which 命令（Unix）

使用 pip show

命令

Django 作为一个全栈 Web 开发框架，它是一个 Python 包，通常安装在 Lib\site-packages 目录下。Django 内部有多个子模块和文件，如 ORM、视图、模板、表单、认证系统等，这些功能模块可以通过 import 语句引入并使用，例如 from django.db import models 或 from django.shortcuts import render。模块化设计意味着开发者可以根据需求引入对应的模块，就比如你现在想为Web应用增加上一个安全性验证，引入模块就是了，比如from django.contrib.auth import authenticate, login, logout。除了提供各种功能模块之外，Django 的强大之处还在于提供了 django-admin 工具集，这里面是一系列现成的可执行功能，而项目中的 manage.py 文件则提供了一种方便的方式来调用 django-admin 提供的功能。例如，python manage.py runserver 8000 可以启动服务器，这行代码背后调用了 Django 框架中的多个模块和逻辑，实现了服务器的创建与运行。与普通的包不同，django-admin 提供的功能是独立且已经完成的，不需要开发者编写额外的逻辑，比如自动生成一个带有 GUI 的后台管理页面。因此，即使是没有代码基础的用户，也可以通过简单的命令行操作利用 Django 的强大功能。

Pycharm配置解释器

环境配置是Python学习中绝对绕不开的一个重要话题。正确配置不仅能够确保项目的依赖项一致性，还能帮助开发者避免许多常见问题。而且需要注意：在命令行中直接运行 python 或 pip 时，实际执行的是系统 PATH 中最高优先级的 Python 解释器及其对应的 pip。通常，系统会安装多个 Python 版本，使用虚拟环境的最大优势就是可以在项目内优先使用对应环境中的 Python 解释器，而不影响全局系统环境。

每个虚拟环境都有自己独立的 Python 解释器和包管理系统。创建虚拟环境时，会生成一个单独的环境目录，该目录中存储了该项目所需的 Python 版本和所有依赖包。通过这种方式，不同项目之间的包和依赖版本互不干扰，确保了项目的稳定性。

实际应用

使用 PyCharm 为每个项目配置独立的 Python 解释器和虚拟环境

打开 PyCharm，进入 File -> Settings（或 Preferences）。导航到 Project:

-> Python Interpreter。点击齿轮图标，选择 Add。选择 Conda Environment（如果你使用的是 Anaconda），选择现有的环境或创建新环境。确认路径无误后，点击 OK 保存配置。

使用 Anaconda 虚拟环境的管理

创建环境：conda create -n myenv python=3.9
激活环境：conda activate myenv
使用环境：conda install numpy（比如在该环境中安装个包）

当你需要分享你的项目时，最好导出项目的环境配置。使用 conda env export 命令可以生成环境的配置文件 environment.yml，这样其他开发者可以通过 conda env create -f environment.yml 恢复相同的环境。

使用注意事项

1. 环境激活：在运行代码之前，必须确保已激活相应的虚拟环境。使用 conda activate 命令来激活环境。

2. 依赖一致性：确保所有依赖项都在虚拟环境中正确安装。使用 conda list 命令查看当前环境中安装的包及其版本。

3. 路径问题：不要尝试直接跨环境使用 Python 解释器或包。每个环境都有自己的路径设置，直接跨环境使用可能会导致路径问题或依赖关系不一致。