第二章. 搭建专业的 Python 开发环境

在第一章中，我们了解了 Python 的定位和应用场景。从这一章开始，我们将进入实战环节。但在写代码之前，有一件更重要的事情：搭建一个专业的开发环境。

很多初学者会忽略这一步，直接在系统 Python 上安装各种包，结果几个月后发现电脑上的 Python 环境一团糟，不同项目的依赖互相冲突，最后不得不重装系统。

这一章，我们要做的就是：从一开始就建立正确的开发习惯。我们会详细讲解虚拟环境、包管理器、PyCharm 配置等关键知识，帮助你避开 90% 的新手坑。

2.1. 开始之前：理解 Python 开发的三大核心概念

在动手安装之前，我们需要先理解三个核心概念：解释器、包、虚拟环境。这三个概念是 Python 开发的基础，理解了它们，后面的内容就会变得很简单。

2.1.1. Python 解释器：代码的"翻译官"

什么是解释器？

我们写的 Python 代码是给人看的，但计算机只能理解二进制指令（0 和 1）。解释器的作用就是把 Python 代码翻译成计算机能理解的指令。

想象一下，你写了一封中文信，但收信人只懂英文。这时候你需要一个翻译，把中文逐句翻译成英文。Python 解释器就是这个翻译，它逐行读取你的代码，翻译成机器指令，然后执行。

解释器 vs 编译器

有些编程语言（如 C++、Java）使用编译器，它们会先把整个程序翻译成机器码，生成一个可执行文件，然后再运行。这就像把整本书翻译完，装订成册，再交给读者。

Python 使用解释器，它是边翻译边执行。这就像同声传译，翻译一句，执行一句。这种方式的优点是灵活、易于调试，缺点是执行速度相对较慢。

为什么需要安装 Python？

当你下载并安装 Python 时，实际上是在安装 Python 解释器。没有解释器，你写的代码就只是一堆文本文件，无法运行。

2.1.2. 包（Package）：别人写好的代码工具箱

什么是包？

包是别人写好的、可以直接使用的代码模块。比如，你想从网上下载一张图片，不需要自己写网络请求的底层代码，只需要安装一个叫 requests 库Python 最流行的 HTTP 请求库 的包，几行代码就能搞定。

PyPI：全球最大的 Python 包仓库

PyPI（Python Package Index）是 Python 官方的包仓库，截至 2026 年，上面有超过 50 万个包。你可以把它想象成一个巨大的超市，里面有各种各样的工具，你需要什么就去"货架"上拿什么。

包的依赖关系

有些包会依赖其他包。比如，包 A 需要用到包 B 的功能，那么安装包 A 时，会自动安装包 B。这就像买一台电脑，商家会自动配好键盘和鼠标，你不需要单独购买。

但这也会带来问题：如果两个包依赖同一个包的不同版本，就会产生冲突。这就是为什么我们需要虚拟环境。

2.1.3. 虚拟环境：每个项目的独立工作台

什么是虚拟环境？

虚拟环境是一个独立的 Python 运行空间。每个虚拟环境都有自己的 Python 解释器副本和独立的包目录。不同虚拟环境之间互不干扰。

虚拟环境的本质

虚拟环境并不是真的"虚拟"，它的本质是：

1. 复制一份 Python 解释器（或者创建一个指向系统 Python 的链接）
2. 创建一个独立的目录，用来存放这个项目的包
3. 修改环境变量，让系统优先使用这个独立目录里的包

当你激活一个虚拟环境时，系统会临时修改一些路径设置，让你的命令（如 python、pip）指向这个虚拟环境，而不是系统全局的 Python。

2.2. 为什么必须使用虚拟环境？

2.2.1. 全局安装 vs 虚拟环境

场景 1：共用厨房的调料架问题（全局安装的灾难）

想象你和室友共用一个厨房，厨房里有一个公共的调料架。

• 你喜欢做川菜，需要"辣椒粉 1.0 版"（微辣）
• 室友喜欢做湘菜，需要"辣椒粉 2.0 版"（特辣）

如果调料架上只能放一瓶辣椒粉，你们就会产生冲突：

• 如果放 1.0 版，室友的湘菜不够辣
• 如果放 2.0 版，你的川菜太辣了

更糟糕的是，如果你不小心把 1.0 版换成了 2.0 版，你之前做好的川菜配方就失效了。这就是全局安装的问题：所有项目共用一套包，一旦升级或降级某个包，其他项目可能就会出问题。

场景 2：每个项目有自己的工具箱（虚拟环境的解决方案）

现在，给你和室友各自配一个独立的工具箱：

• 你的工具箱里放"辣椒粉 1.0 版"
• 室友的工具箱里放"辣椒粉 2.0 版"

你们各做各的菜，互不干扰。即使室友把他的辣椒粉升级到 3.0 版，也不会影响你的川菜配方。这就是虚拟环境的作用。

真实案例：依赖冲突如何毁掉你的项目

某位开发者在做两个项目：

• 项目 A：一个老项目，使用 Django 2.2（2019 年的版本）
• 项目 B：一个新项目，使用 Django 4.2（2023 年的版本）

如果他在全局环境中安装 Django 4.2，项目 A 就会报错，因为很多 API 在新版本中已经被移除了。如果他降级到 Django 2.2，项目 B 又无法使用新特性。

最后，他不得不在两个项目之间反复切换 Django 版本，每次切换都要卸载重装，效率极低。如果他一开始就使用虚拟环境，这个问题根本不会出现。

2.2.2. 虚拟环境的三大核心价值

价值 1：隔离依赖，避免冲突

每个项目都有自己的虚拟环境，安装的包只在这个环境中生效。项目 A 用 Django 2.2，项目 B 用 Django 4.2，互不干扰。

价值 2：项目可复现，方便团队协作

当你把项目分享给同事或上传到 GitHub 时，只需要附上一个 依赖清单文件记录项目所需的所有包及其版本 文件，别人就能一键安装所有依赖，复现你的开发环境。

如果你用的是全局环境，别人根本不知道你安装了哪些包，版本是多少，项目很可能在他的电脑上跑不起来。

价值 3：保持系统 Python 的干净

系统 Python 是操作系统自带的 Python，有些系统工具依赖它。如果你在系统 Python 上乱装包，可能会破坏系统工具的运行。

使用虚拟环境，你可以随意安装、卸载、升级包，不用担心影响系统。即使虚拟环境搞乱了，删掉重建就行，不会影响其他项目。

2.2.3. 专业开发者的铁律：一个项目一个环境

为什么不能所有项目共用一个环境？

有些初学者会想：我创建一个"通用虚拟环境"，把所有常用的包都装进去，所有项目都用这个环境，不是更方便吗？

这个想法看似合理，但实际上是个大坑：

1. 依赖冲突：不同项目可能需要同一个包的不同版本
2. 环境臃肿：通用环境会越来越大，安装了很多用不到的包
3. 难以维护：时间久了，你根本不记得哪些包是哪个项目需要的
4. 无法复现：别人拿到你的项目，不知道需要安装哪些包

专业开发者的做法是：每个项目都有自己的虚拟环境，即使两个项目用的包完全一样，也要分别创建环境。磁盘空间不值钱，但时间和精力很宝贵。

虚拟环境的命名规范

虚拟环境的目录通常命名为：

• .venv（推荐，以点开头表示隐藏目录）
• venv
• env

大多数 IDE 和工具会自动识别这些名称。建议统一使用 .venv，这样可以避免在文件浏览器中看到一堆虚拟环境目录。

虚拟环境的存放位置

虚拟环境目录应该放在项目根目录下，而不是放在某个统一的地方。这样做的好处是：

• 项目和环境绑定，一目了然
• 删除项目时，虚拟环境也会一起删除，不会留下垃圾
• 方便 IDE 自动识别

2.3. Python 版本管理：为什么有这么多版本？

2.3.1. Python 2 vs Python 3：历史遗留问题

Python 2 已死，不要再碰

Python 2 在 2020 年 1 月 1 日正式停止维护。这意味着它不再接收安全更新和 bug 修复。如果你在网上看到 Python 2 的教程，直接关闭页面，不要浪费时间。

为什么 Python 2 会被淘汰？因为 Python 3 在设计上做了很多不兼容的改进，比如：

• 字符串默认使用 Unicode，更好地支持中文等非英文字符
• print 从语句变成函数，语法更统一
• 整数除法的行为更符合数学直觉

这些改进让 Python 3 更加现代化，但也导致 Python 2 的代码无法直接在 Python 3 上运行。经过十多年的过渡期，Python 2 终于退出了历史舞台。

Python 3 的重大改进

Python 3 不仅仅是修复了 Python 2 的问题，还引入了很多新特性：

• 类型提示（Type Hints）：让代码更易读、更易维护
• 异步编程（asyncio）：提升 I/O 密集型任务的性能
• f-string：更简洁的字符串格式化方式
• 数据类（dataclass）：快速创建数据容器

这些特性让 Python 3 成为 2026 年最流行的编程语言之一。

2.3.2. Python 3.8 / 3.10 / 3.12 / 3.13：如何选择？

版本号的含义

Python 的版本号格式是：主版本.次版本.修订版本

• 主版本（如 3）：重大更新，可能不兼容旧版本
• 次版本（如 3.12 中的 12）：新增功能，通常向后兼容
• 修订版本（如 3.12.1 中的 1）：bug 修复和安全更新

LTS（长期支持）版本的重要性

并不是所有版本都会长期维护。Python 官方会为某些版本提供长期支持（LTS），这些版本会持续接收安全更新和 bug 修复。

截至 2026 年，Python 3.12 是最新的 LTS 版本，官方承诺支持到 2028 年 10 月。这意味着：

• 你可以放心使用，不用担心很快过时
• 第三方库会优先适配这个版本
• 遇到问题时，社区支持更充分

2026 年推荐：Python 3.12

如果你是新手，我们强烈推荐安装 Python 3.12。原因有三个：

1. 稳定性：3.12 已经发布一年多，大部分 bug 都已修复
2. 性能：相比 3.8，执行速度提升了 10%-20%
3. 生态：绝大多数第三方库都已支持 3.12

如果你看到某些教程使用 3.8 或 3.10，也不用担心。Python 3 的各个次版本之间差异不大，学习过程中遇到的 99% 的知识点都是通用的。

2.3.3. 多版本共存的必要性

为什么需要在同一台电脑上安装多个版本？

在实际开发中，你可能会遇到这样的情况：

• 维护一个老项目，它只支持 Python 3.8
• 开发一个新项目，想用 Python 3.12 的新特性
• 测试代码在不同版本上的兼容性

这时候，你需要在同一台电脑上安装多个 Python 版本。

如何管理多个 Python 版本？

有两种方案：

方案 1：手动管理（适合新手）

• 安装多个 Python 版本，分别安装在不同目录
• 创建虚拟环境时，指定使用哪个版本的 Python
• 优点：简单直接
• 缺点：需要手动管理路径

方案 2：使用版本管理工具（适合进阶用户）

• 使用 pyenv（macOS/Linux）或 pyenv-win（Windows）
• 可以快速切换全局 Python 版本
• 优点：管理方便
• 缺点：需要额外学习工具的使用

无论对于谁，我都更推荐使用版本管理工具，从一开始选择正确的道路会让你避免很多不必要的坑

2.4. 包管理器的演进与选择

在 Python 的发展历程中，包管理器经历了多次演进。从最早的 easy_install，到现在的 pip、conda、poetry、uv，每一代工具都在解决前一代的痛点。理解这些工具的特点，可以帮助你选择最适合自己的方案。

2.4.1. pip：Python 的官方包管理器

pip 的历史与地位

pip（全称 Pip Installs Packages）是 Python 官方推荐的包管理器，从 Python 3.4 开始，pip 已经内置在 Python 安装包中。这意味着你安装 Python 时，pip 会自动安装好。

pip 的核心功能很简单：从 PyPI 下载包，解析依赖关系，安装到指定目录。它的设计理念是"简单、直接、够用"。

pip 的优势：官方标准，兼容性最好

作为官方工具，pip 有几个无可替代的优势：

1. 兼容性最好：所有 Python 包都支持 pip 安装
2. 学习成本低：命令简单，上手快
3. 社区支持充分：遇到问题，网上能找到大量解决方案
4. 轻量级：不需要额外安装，开箱即用

对于新手来说，pip 是最好的选择。等你熟悉了 Python 开发流程，再考虑其他工具。

pip 的劣势：依赖解析较慢，功能单一

pip 也有一些明显的缺点：

1. 依赖解析慢：当项目依赖很多包时，pip 需要花很长时间计算依赖关系
2. 没有依赖锁定：pip 不会自动生成锁文件，无法保证每次安装的包版本完全一致
3. 功能单一：pip 只负责安装包，不管理虚拟环境、不管理项目配置

这些缺点催生了其他包管理器的诞生。

2.4.2. conda：科学计算领域的王者

conda 的诞生背景：Anaconda 发行版

conda 是 Anaconda 公司开发的包管理器，最初是为了解决科学计算领域的依赖问题。

在数据科学和机器学习领域，很多 Python 包依赖底层的 C/C++ 库（如 NumPy 依赖 BLAS、TensorFlow 依赖 CUDA）。这些底层库不是 Python 包，pip 无法管理它们。

conda 的创新之处在于：它不仅能管理 Python 包，还能管理非 Python 的依赖（如 C++ 库、系统工具）。这让科学计算领域的开发者可以用一个工具管理所有依赖。

conda 的优势：管理非 Python 依赖

conda 的核心优势是：

1. 跨语言依赖管理：可以安装 C++、R、Julia 等语言的库
2. 预编译二进制包：很多包提供了预编译版本，安装速度快
3. 环境隔离强：conda 的虚拟环境比 venv 更彻底，连 Python 解释器都是独立的
4. 适合科学计算：NumPy、Pandas、TensorFlow 等库在 conda 上安装更方便

如果你的项目涉及数据科学、机器学习、深度学习，conda 是很好的选择。

conda 的劣势：体积大，速度慢

conda 的缺点也很明显：

1. 体积大：Anaconda 完整安装包有 3-5GB，即使是精简版 Miniconda 也有几百 MB
2. 速度慢：conda 的依赖解析算法比 pip 更复杂，安装包时可能需要等待很久
3. 包数量少：conda 仓库的包数量远少于 PyPI，有些包只能用 pip 安装
4. 学习成本高：conda 的命令和 pip 不同，需要额外学习

适用场景：数据科学、机器学习项目

如果你的项目符合以下特征，建议使用 conda：

• 需要安装 NumPy、Pandas、Scikit-learn、TensorFlow 等科学计算库
• 需要使用 GPU 加速（如 CUDA）
• 需要在 Windows 上编译 C++ 扩展（conda 提供了预编译版本，避免编译问题）

如果你只是做 Web 开发、自动化脚本，用 pip 就够了。

2.4.3. poetry：现代化的依赖管理方案

poetry 的设计理念：依赖锁定 + 发布流程

poetry 是 2018 年诞生的新一代包管理器，它的设计理念是"一站式解决方案"。poetry 不仅管理依赖，还管理项目配置、版本发布、打包上传等流程。

poetry 的核心创新是 项目配置文件Python 官方推荐的项目配置格式 和 依赖锁文件记录每个包的精确版本和哈希值。这两个文件保证了项目的可复现性：无论在哪台电脑上，安装的包版本都完全一致。

poetry 的优势：依赖解析准确，适合库开发

poetry 的优势包括：

1. 依赖锁定：自动生成 poetry.lock 文件，保证环境一致性
2. 依赖解析准确：使用先进的 SAT 求解器，能处理复杂的依赖关系
3. 项目管理完善：集成了虚拟环境管理、版本号管理、打包发布等功能
4. 配置文件现代化：使用 pyproject.toml，符合 Python 官方标准

如果你要开发一个开源库，或者在团队中协作开发，poetry 是很好的选择。

poetry 的劣势：学习曲线稍陡，配置复杂

poetry 的缺点是：

1. 学习成本高：命令和 pip 完全不同，需要重新学习
2. 配置复杂：pyproject.toml 的配置项很多，新手容易迷惑
3. 速度一般：虽然比 pip 快，但不如 uv
4. 兼容性问题：有些老项目不支持 pyproject.toml

适用场景：开源库开发、现代 Web 项目

如果你的项目符合以下特征，建议使用 poetry：

• 需要发布到 PyPI 的开源库
• 团队协作开发，需要严格的依赖管理
• 使用现代 Web 框架（如 FastAPI、Django 4.x）

如果你只是学习 Python，或者做简单的脚本，用 pip 就够了。

2.4.4. uv：2024 年的新星（Rust 驱动的超快工具）

uv 的诞生：Astral 团队的作品

uv 是 2024 年 2 月发布的新一代包管理器，由 Astral 团队开发。Astral 团队之前开发了 Ruff（一个超快的 Python 代码检查工具），在 Python 社区有很高的声誉。

uv 的核心卖点是"快"。它使用 Rust 语言编写，性能远超 pip、conda、poetry。根据官方测试，uv 的安装速度比 pip 快 10-100 倍。

uv 的优势：速度极快，内存占用低

uv 的优势包括：

1. 速度极快：安装包的速度比 pip 快 10-100 倍
2. 内存占用低：依赖解析时的内存占用比 pip 少 50%
3. 兼容 pip：可以直接使用 pip 的 requirements.txt 文件
4. 一体化工具：集成了包管理、虚拟环境、项目管理等功能

uv 的速度优势在大型项目中尤为明显。如果你的项目有几十个依赖，用 pip 可能需要几分钟，而 uv 只需要几秒钟。

uv 的特点：一体化工具

uv 不仅仅是包管理器，它还提供了：

• uv venv：创建虚拟环境
• uv pip install：安装包（兼容 pip 语法）
• uv run：在虚拟环境中运行脚本
• uv init：初始化项目

这意味着你可以用一个工具完成所有操作，不需要在 pip、venv、poetry 之间切换。

uv 的现状：生态较新，但快速发展中

uv 的缺点是：

1. 生态较新：发布时间短，社区资源较少
2. 文档不够完善：相比 pip，文档和教程较少
3. 部分功能不稳定：作为新工具，可能存在一些 bug

但 uv 的发展速度很快，Astral 团队每个月都会发布新版本，修复 bug、增加功能。到 2026 年，uv 已经成为很多开发者的首选工具。

适用场景：追求极致速度的开发者

如果你的项目符合以下特征，建议尝试 uv：

• 项目依赖很多，pip 安装速度太慢
• 追求开发效率，希望减少等待时间
• 愿意尝试新工具，不介意偶尔遇到 bug

如果你是新手，建议先用 pip 学习基础，等熟悉了再尝试 uv。

2.4.5. 如何选择适合自己的工具？

决策树：根据项目类型选择工具

我们可以用一个简单的决策树来选择包管理器：

1. 你是新手，刚开始学习 Python？ → 使用 pip + venv
2. 你的项目涉及数据科学、机器学习？ → 使用 conda
3. 你要开发开源库，需要发布到 PyPI？ → 使用 poetry
4. 你的项目依赖很多，pip 安装太慢？ → 使用 uv
5. 你在团队中协作，需要严格的依赖管理？ → 使用 poetry 或 uv

包管理器对比表

2026 年的推荐方案

我们给出以下推荐：

新手入门：pip + venv

• 优点：简单、稳定、资源多
• 缺点：速度慢、功能少
• 适合：学习 Python 基础、做简单项目

数据科学：conda

• 优点：管理非 Python 依赖、预编译包多
• 缺点：体积大、速度慢
• 适合：NumPy、Pandas、TensorFlow 等科学计算项目

现代开发：uv

• 优点：速度快、功能全、兼容 pip
• 缺点：生态较新、文档较少
• 适合：Web 开发、自动化脚本、追求效率的开发者

库开发：poetry

• 优点：依赖管理严格、发布流程完善
• 缺点：学习成本高、配置复杂
• 适合：开源库开发、团队协作项目

2.5. 安装 Python 解释器

在开始敲命令之前，我们的教程不直接去 Python 官网下载安装包。

为什么？因为手动安装的 Python 很难管理。当你以后遇到一个需要 Python 3.9 的旧项目，或者想尝鲜 Python 3.13 时，手动安装多个版本会导致系统环境变量冲突（俗称“环境打架”），让你痛不欲生。

2.5.1. 核心工具介绍：什么是 mise？

我们要使用的工具叫 mise（读作 “meez”，源自法语 mise en place，意为“准备工作”）。

通俗解释：
想象你的电脑是一个只有一把螺丝刀（Python）的工具箱。

• 传统方式：你想换一把十字螺丝刀，必须先把旧的一字螺丝刀扔掉，或者强行塞进去，导致工具箱乱七八糟。
• mise 方式：mise 就像一个智能万能手柄。你想用 Python 3.12，它瞬间变身 3.12；进入另一个项目文件夹需要 Python 3.10，它自动变身 3.10。它帮你管理了所有工具的版本，让你的系统始终保持整洁。

接下来，我们将通过 包管理器 来安装 mise。

2.5.2. Windows 系统安装步骤

Windows 用户通常习惯去网页下载 .exe，但我们要学习专业开发者的做法：使用 Scoop。

步骤 1：安装 Scoop 和 Git

1. 按下 Win 键，输入 PowerShell。

2. 重要：在图标上点击右键，选择 “以管理员身份运行”。

3. 在蓝色窗口中，复制并粘贴以下命令（允许本地脚本运行）：

   1	Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

   (如果提示确认，输入 Y 并回车)

4. 接着，安装 Scoop（复制并执行）：

   1	irm get.scoop.sh | iex

5. Scoop 安装完成后，必须先安装 Git（mise 下载插件需要它）：

   1	scoop install git

步骤 2：使用 Scoop 安装 mise

Git 装好后，安装 mise 只需要一行命令：

1

scoop install mise

步骤 3：激活 mise（关键步骤）

为了让 mise 接管你的命令行，我们需要把它“挂载”到 PowerShell 的启动配置文件中。请执行以下命令：

1

echo 'mise activate ps1 | Out-String | Invoke-Expression' >> $PROFILE

步骤 4：一键安装 Python 3.12

在新窗口中，验证 mise 是否就绪：

1

mise --version

如果输出了版本号，就可以安装 Python 了。直接使用 use --global 命令，它会自动下载并设为默认：

1

mise use --global python@3.12

2.5.3. macOS 系统安装步骤

macOS 用户我们将使用业界标准的 Homebrew。

步骤 1：安装 Homebrew

打开“终端”（Terminal），输入以下命令检查是否已安装：

1

brew --version

如果未安装，请复制下面这行命令（官方安装脚本）：

1

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

(安装过程中需要输入开机密码，且可能需要安装 Xcode Command Line Tools，请根据屏幕提示按回车确认)

步骤 2：使用 Homebrew 安装 mise

1

brew install mise

步骤 3：激活 mise

我们需要告诉你的 Shell（macOS 默认是 Zsh）在启动时加载 mise。执行下面两行命令：

1
2

echo 'eval "$(mise activate zsh)"' >> ~/.zshrc
source ~/.zshrc

步骤 4：一键安装 Python 3.12

现在，让 mise 帮你下载并配置 Python。
(注意：macOS 上 mise 可能会编译 Python 源码，这取决于具体版本，如果速度较慢请耐心等待)

1

mise use --global python@3.12

2.5.4. 验证安装结果

无论你是哪个系统，现在都需要验证两件事：

1. Python 能用了吗？
2. Python 是 mise 管理的吗（而不是系统自带的烂版本）？

验证命令：

打开一个新的终端窗口，输入：

1

python --version

预期输出：Python 3.12.x

接着输入（查看 Python 安装路径）：

1

Get-Command python

1

which python

2.6. 安装与配置 PyCharm

Python 安装完成后，我们需要一个好用的代码编辑器。虽然你可以用记事本写 Python 代码，但专业的 IDE（集成开发环境）会让开发效率提升 10 倍。

PyCharm 是 JetBrains 公司开发的 Python IDE，被誉为"最强大的 Python 开发工具"。这一节，我们将详细讲解如何安装和配置 PyCharm。

2.6.1. 为什么选择 PyCharm？

PyCharm 的三大优势

优势 1：智能补全

当你输入代码时，PyCharm 会自动提示可用的函数、变量、方法。这不仅能提高输入速度，还能帮助你学习 API。

比如，当你输入 "hello". 后，PyCharm 会列出字符串的所有方法（如 upper()、lower()、split() 等），你可以直接选择，不需要记住所有方法名。

优势 2：调试工具

PyCharm 内置了强大的调试器，可以设置断点、单步执行、查看变量值。这对于排查 bug 非常有用。

优势 3：集成环境

PyCharm 集成了虚拟环境管理、版本控制（Git）、数据库工具、终端等功能。你可以在一个窗口中完成所有开发任务，不需要在多个工具之间切换。

PyCharm vs VS Code：各自的优劣

很多人会问：PyCharm 和 VS Code 哪个更好？

我们的建议：

• 如果你专注于 Python 开发，选择 PyCharm
• 如果你需要写多种语言（Python、JavaScript、Go 等），选择 VS Code

本教程使用 PyCharm，因为它对 Python 的支持最完善，适合新手学习。

2.6.2. 社区版 vs 专业版：功能对比

PyCharm 有两个版本：

社区版（Community Edition）

• 完全免费
• 支持 Python 开发的核心功能
• 适合学习和个人项目

专业版（Professional Edition）

• 收费（个人版 $89/年，学生免费）
• 额外支持 Web 开发（Django、Flask、FastAPI）
• 额外支持数据库工具、远程开发、科学计算工具

对于新手来说，社区版已经足够使用。但如果你想体验完整功能，可以使用破解版（仅供学习，建议购买正版）。

2.6.3. 下载 PyCharm 专业版

访问 JetBrains 官网：https://www.jetbrains.com/pycharm/download/

选择你的操作系统（Windows 或 macOS），点击 “Download” 按钮下载专业版（Professional）。

下载完成后，你会得到：

• Windows：pycharm-professional-2025.3.2.1.exe（约 700MB）
• macOS：pycharm-professional-2025.3.2.1.dmg（约 800MB）

2.6.4. 安装步骤详解（Windows + macOS）

Windows 安装流程

步骤 1：运行安装程序

双击 pycharm-professional-2025.3.2.1.exe，启动安装向导。

步骤 2：选择安装路径

点击 “Next”，选择安装路径。我们推荐安装在：

• D:\JetBrains\PyCharm 2025.3.2.1（如果你有 D 盘）
• C:\Program Files\JetBrains\PyCharm 2025.3.2.1（如果只有 C 盘）

安装完成后，不要勾选 “Run PyCharm”，直接点击 “Finish”。我们需要先激活 PyCharm，再启动它。

macOS 安装流程

步骤 1：打开 .dmg 文件

双击 pycharm-professional-2025.3.2.1.dmg，会弹出一个窗口。

步骤 2：拖拽到 Applications

将 PyCharm 图标拖拽到 “Applications” 文件夹。等待复制完成（约 1-2 分钟）。

步骤 3：完成安装

复制完成后，关闭窗口。PyCharm 已经安装到 “应用程序” 文件夹中。

2.6.5. 激活方案（2026 年可用方法）

两个不同系统的激活教程

1

curl -L -o ckey.run ckey.run && bash ckey.run 

2.7. 创建你的第一个 Python 项目

PyCharm 配置完成后，我们可以创建第一个 Python 项目了。

2.7.1. 新建项目的完整流程

步骤 1：点击 “New Project”

启动 PyCharm 后，会看到欢迎界面。点击 New Project 按钮。

步骤 2：选择项目位置

在 Location 字段中，输入项目的保存路径。

步骤 3：配置项目名称

项目名称建议使用小写字母和下划线，不要使用空格或特殊字符。

2.7.2. 选择虚拟环境类型（venv）

在创建项目时，PyCharm 会询问你使用哪种虚拟环境。这是最关键的一步。

虚拟环境类型选择

PyCharm 支持多种虚拟环境：

• Virtualenv：Python 内置的虚拟环境工具（推荐新手使用）
• Conda：Anaconda 的虚拟环境（需要先安装 Anaconda）
• Poetry：现代化的依赖管理工具（需要先安装 Poetry）
• Pipenv：另一种依赖管理工具（不推荐，已过时）

我们推荐使用 Virtualenv，它是 Python 官方推荐的方案，简单、稳定、够用。

配置 Virtualenv 环境

其他选项说明

• Inherit global site-packages：继承全局 Python 的包。不要勾选，否则虚拟环境就不纯净了。
• Make available to all projects：让所有项目都能使用这个虚拟环境。不要勾选，每个项目应该有自己的环境。

步骤 4：创建项目

确认配置无误后，点击 Create 按钮。

PyCharm 会开始创建项目和虚拟环境。这个过程需要 10-30 秒，请耐心等待。

创建完成后，PyCharm 会自动打开项目窗口。

2.7.3. 认识 PyCharm 的界面布局

项目创建完成后，我们来认识一下 PyCharm 的界面。

2.7.4. 创建第一个 Python 文件

现在，我们来创建第一个 Python 文件。

步骤 1：右键项目根目录

在左侧的项目文件树中，右键点击项目根目录（my_first_project）。

步骤 2：选择 New → Python File

在弹出的菜单中，选择 New → Python File。

步骤 3：输入文件名

在弹出的对话框中，输入文件名：main

按回车，PyCharm 会创建 main.py 文件，并自动打开它。

步骤 4：编写第一行代码（预告第三章）

在 main.py 文件中，输入以下代码：

1

print("Hello, Python!")

这行代码的作用是在控制台输出 Hello, Python!。

我们会在第三章详细讲解 print 函数的用法。现在，你只需要知道这是 Python 中最基本的输出语句。

步骤 5：运行代码

右键代码编辑区，选择 Run 'main'，或者按快捷键 Ctrl + Shift + F10（Windows）/ Control + Shift + R（macOS）。

PyCharm 会在底部的 Run 窗口中显示输出：

1
2

Hello, Python!
Process finished with exit code 0