企业官网建设流程全解析

简介：面向Python开发者的PyCharm与Anaconda环境整合图解教程，主要解决在PyCharm中调用Anaconda预装库及管理多Python环境的问题。资源以图文对照方式完整演示了从创建项目、打开Project Interpreter设置，到添加并选择Conda Environment、新建或切换已有环境的全过程，适合刚接触IDE配置的数据分析初学者参考。压缩包共1个文件，类型为pdf，大小仅281KB，便于下载后随时查阅；全流程步骤清晰，每一步都配有界面截图与操作说明，即使对PyCharm设置不熟悉也能按图跟随完成配置。已有10410人学习下载，教程还补充了虚拟环境选择与库更新同步的注意事项，可帮助读者在PyCharm中稳定使用Anaconda环境，兼顾调试功能与库管理的便利性。

1. Pycharm导入anaconda环境：解释器路径差一个字符，包就全部“隐身”

刚配好的环境，在 PyCharm 里运行脚本却提示 import pandas 失败，切到 Anaconda Prompt 执行同一行代码却能正常通过，这是 Pycharm 导入 anaconda 环境时最典型的翻车现场。原因几乎不在“包没装”，而在 PyCharm 的 Python Interpreter 选错了对象。这篇文章要解决的问题，就是把 Pycharm 配置 anaconda 这套动作拆成可复现的步骤，从理解 conda 虚拟环境、创建环境、在 Settings 里定位解释器，到最后验证包能否被正常导入。它适合刚看完 PyCharm 安装教程、准备开始写第一个数据脚本的初学者，也适合换了电脑、需要重新迁移 Python 环境的老手。先花十分钟把“谁管谁”的关系理清，选路径的时候就不会靠猜。

2. 导入前的三个确认：Anaconda、conda和虚拟环境分别负责什么

2.1 概念边界：Anaconda是发行版，conda是包与环境管理器，虚拟环境是隔离层

很多人在做 Pycharm 配置 python 环境时，会把“Anaconda”“conda”“虚拟环境”三个概念混在一个黑匣子里。其实它们分层非常清晰：Anaconda 是一个 Python 发行版，安装它等于一次性装好了 Python 解释器、conda 工具，以及 numpy、pandas、matplotlib 等一批常用库；conda 是 Anaconda 内置的包与虚拟环境管理器，它负责“在哪些目录里装哪些包、装什么版本”；而虚拟环境则是 conda 在 anaconda3/envs 下创建的一套独立目录，里面各有一个独立的 site-packages，专门用来隔离不同项目的依赖。

为什么要选 conda 而不是 Python 自带的 venv？因为数据科学场景里最难解决的往往不是“包能不能装上”，而是“numpy、scipy、pandas 这些预编译库与 Python 版本之间的兼容关系”。conda 通过 channel 统一解析依赖，比如创建环境时写 python=3.9，conda 会尽量找到与 3.9 配套的 numpy 构建版本；这是 venv 做不到的。venv 只负责隔离，不负责解决依赖冲突，所以你在纯 venv 里装 torch 这类重包时，经常会遇到“版本匹配不上”的提示，而在 conda 环境里这类问题会少很多。

想清楚这一层之后，PyCharm 里 Add Interpreter 到底在干什么就很好理解了：PyCharm 不负责安装 Anaconda，也不负责创建虚拟环境，它只负责“知道解释器在哪个路径”，并把代码补全、终端命令、运行配置里的 Python 都指向那个路径。你最开始遇到的“终端能跑、PyCharm 里跑不了”，十有八九是 PyCharm 把解释器指到了系统自带的 python.exe 上，而不是 anaconda3/envs 下某个虚拟环境里的 python.exe。换句话说，Pycharm 导入 anaconda 环境这件事，本质上就是告诉项目“我的 python 和我的包都放在哪”，剩下的工作 PyCharm 会自动扫描。

2.2 anaconda与python版本对应关系：先看环境再看python版本

网上关于 anaconda 与 python 版本对应关系的提问很多，大多是看了“python 3.9 比较稳”“conda 4.12 配 python 3.10”这类帖子之后产生了误解。Anaconda 并没有一个固定的 Python 版本锁，它只是每个安装包里附带了 base 环境所使用的默认 Python。安装时间不同、安装渠道不同，base 解释器版本就不一样，可能从 3.7 一路到 3.12 都出现过。

与其背对应关系，不如用命令确认。常见做法是在 Anaconda Prompt 里执行两条命令，一行看 conda 版本，一行看当前 python 版本，把结果记下来，再决定创建虚拟环境时用哪个 Python 版本。下面的表可以做一个粗略参考，但最终请以本机输出为准。

这张表不是让你照着选版本，而是让你意识到：PyCharm 里那个“Python version”下拉框，指的是虚拟环境将要使用的解释器版本，不是 Anaconda 安装包的版本。创建环境时指定 python=3.9，之后在 PyCharm 里看到的解释器就带 3.9 字样；base 环境里再新，也不会影响你这个虚拟环境。选版本时我一般还会看项目依赖：如果涉及 opencv、pyqt 这类带界面或二进制扩展的包，它们的发布节奏往往比 python 自身慢半拍，直接上新版本反而容易踩坑；而纯 Web 脚本项目，用 3.10 以上版本基本没什么顾虑。

2.3 导入前检查的 3 条命令：conda env list、conda info --envs、python --version

把安装细节确认完，下一步是确认 conda 命令能从终端里被找到。很多 Pycharm 导入 anaconda 环境的失败案例，起点都是 Windows 的 CMD 里敲 conda 提示“不是内部或外部命令”，但 Anaconda Prompt 却能正常执行。这是因为 Anaconda 安装时没有把 conda 所在目录写进系统 PATH，Anaconda Prompt 只是通过初始化脚本临时把路径加到了当前会话。

所以我的习惯是：在 Anaconda Prompt 里执行下面三条命令，全部跑通后再打开 PyCharm。

conda --version conda env list python --version

第一条输出 conda 管理器版本，确认 conda 工具本身可用；第二条列出本机所有虚拟环境的名称与路径，后面在 PyCharm 里填解释器路径时，要照着这里的输出填；第三条输出当前 shell 默认的 python 版本，配合 2.2 节的表判断 base 环境用了哪个解释器。这里有个判断要点：如果 python --version 输出的版本和预期不一致，先不要卸载重装，继续执行一条 where python，看看排在第一位的是哪个 python.exe。

where python

Windows 下它会按 PATH 顺序列出所有 python.exe，排第一位的就是当前 shell 实际调用的那个。如果第一个路径不是 anaconda3 根目录下的 python.exe，说明 PATH 顺序有问题，后面导入到 PyCharm 时也很容易选错。看到这里，我建议先把 anaconda3 和 anaconda3\Scripts 两条路径移到 PATH 最前面，再重启 PyCharm。很多看起来像“PyCharm 配置问题”的异常，在终端阶段就已经埋下伏笔了。如果你用的是社区版 PyCharm，这个流程完全一样，Settings 入口并没有因版本而改变。

3. Pycharm导入anaconda环境的最小动线：创建环境、选解释器、验证生效

3.1 先用conda创建项目虚拟环境：为什么不要一上来就选base

Pycharm 导入 anaconda 环境时，新手最容易踩的坑，就是直接在 Add Interpreter 里选 anaconda3 根目录下的 python.exe，也就是 base 环境。base 里预装了 numpy、pandas，第一眼看起来最省事；但它是 Anaconda 的“母环境”，项目 A 装一个包版本，项目 B 需要另一个版本时，你只能在 base 里反复卸载重装。到后期一定会翻车，而且翻车时很难判断是哪个项目污染了 base。

所以我的建议是：打开 PyCharm 之前，先在终端里用 conda 把虚拟环境建好。下面这条命令是我每次创建项目环境时的标准写法。

conda create -n mlproj python=3.9 -y

其中 -n 指定虚拟环境名称，这里命名为 mlproj，你可以按项目名来取；python=3.9 指定环境内的解释器版本，按 2.2 节的确认结果选；-y 表示创建过程中的确认提示全部自动通过。执行成功后，终端会提示 To activate this environment, use conda activate mlproj。接着激活环境：

conda activate mlproj

激活后，命令行提示符前会出现 (mlproj) 字样。此时 python --version 显示的是 3.9.x，而不是 base 环境里的原始版本。这一步最关键的意义是：后面在 PyCharm 里导入环境时，你要找的解释器路径是 anaconda3/envs/mlproj/python.exe，不是 base 的 python.exe。路径认准这一位，后面基本不出大错。

如果你希望环境里一开始就带上常用包，也把安装步骤合在创建命令后面：

conda create -n mlproj python=3.9 numpy pandas openpyxl -y

conda 会在同一个依赖解析过程中把 numpy、pandas、openpyxl 一起装好，比创建后再逐个 conda install 快，也避免二次解析可能引入的版本冲突。需要注意的是，如果某个包在默认 channel 里没有，可以加 -c conda-forge 指定频道，例如 conda install opencv -c conda-forge。不要不加区分地把所有包都从 conda-forge 装，频道混太多时依赖解析会变慢，部分包的构建版本还可能不一致。

3.2 Pycharm里导入已有环境：Settings中Add Interpreter的完整路径

环境建好之后，打开 PyCharm，先打开你要导入环境的项目，然后按下面的路径逐级点击：File 菜单 -> Settings -> Project 下的当前项目名 -> Python Interpreter。右侧会显示当前项目正在用的解释器；如果此前没配置过，它显示的通常是一个系统默认 Python。点击右上角的 Add Interpreter 按钮，在弹出菜单里选择 Add Local Interpreter。

在弹出的对话框左侧，选择 Conda Environment，Existing environment 单选保持选中。接下来两个输入框是关键：Interpreter 填虚拟环境里的 python.exe，Conda executable 填 conda 工具本身的路径。为了不靠记忆拼路径，我一般直接用命令把路径打出来：

conda env list

这命令在 2.3 节已出现，输出里每一行是一个环境名加一个路径。找到名字带 mlproj 的那一行，把路径记下来。Windows 下通常长这样：C:\Users<你的用户名>\anaconda3\envs\mlproj，后面接 \python.exe 就是 Interpreter 框要填的值。Conda executable 一般放在 anaconda3\Scripts\conda.exe；macOS 或 Linux 的对应路径是 /Users/<用户名>/anaconda3/envs/mlproj/bin/python 和 /Users/<用户名>/anaconda3/bin/conda。

这里有一个粘贴路径时容易被忽略的细节：PyCharm 的设置输入框在 Windows 下会接受反斜杠路径，但如果你从别处复制的路径经过了格式化，反斜杠可能被吃掉，比如 \numpy 变成换行再加 numpy。粘贴之后回看一眼，确认路径完整再点 OK。填好之后点击 OK，PyCharm 会重新扫描环境里的包列表，界面会出现短暂的 Scanning installed packages 提示，不用干预。扫描完成后，右侧列表会显示 mlproj 环境中已安装的包，右下角的解释器状态也变成对应路径。

很多新手会在这里纠结“PyCharm 里要不要再装一次 pandas”。答案是不需要。只要解释器路径正确指向 envs/mlproj/python.exe，PyCharm 会直接复用该环境里所有已安装的包。重复安装反而是制造版本冲突最常见的方式，这点记牢了能省很多事。

3.3 验证环境生效：Python Console与终端“对账”

导入完成后先别急着写业务代码，做一次最小验证，确认 PyCharm 真正用的是 mlproj 的解释器。最简单的方法：在 PyCharm 底部打开 Python Console，输入下面这段代码。

import sys print(sys.executable)

如果输出里包含 envs\mlproj\python.exe，说明 PyCharm 已经认到了环境；如果输出的是 anaconda3\python.exe 或 c:\python39\python.exe，说明刚才路径选错了。这一步能把“看起来导入成功”和“真正导入成功”区分开，也是后面所有排错的基础。

再验证包能否正常导入。在同一个 Python Console 里输入：

import numpy as np import pandas as pd print(np.__version__, pd.__version__)

如果还没装 pandas，回到终端执行 conda install pandas -n mlproj，或者先 conda activate mlproj 再 conda install pandas，装完回 PyCharm 对着解释器设置页点左下角的刷新图标。社区版里经常有人问 pycharm 怎么安装 pandas 包，答案不是去 PyCharm 的某个按钮里找，而是把包装到当前 conda 环境，再让 PyCharm 刷新包列表。

终端与 PyCharm 的“对账”也很简单：在 Anaconda Prompt 里执行 conda activate mlproj，再运行同样的 python 代码，看输出是否一致。如果两边都能 import，环境导入这件事就闭环了。之后每次装新包，都先确认解释器路径，再安装，再回 PyCharm 刷新。这套流程走顺之后，环境问题基本能在一分钟内定位。

4. 三种常见导入场景与参数取舍：已有环境、新建环境、直接用base

4.1 场景一：导入已有虚拟环境，优先用 Existing environment

最推荐、也最常见的场景，是你已经有一个或多个 conda 虚拟环境，比如为项目 A 建了 python=3.8 的环境，为项目 B 建了 python=3.9 的环境，现在只是把 PyCharm 指向其中一个。这时在 Settings -> Python Interpreter 里点击 Add Interpreter -> Add Local Interpreter -> Conda Environment，选择 Existing environment，然后在 Interpreter 框里手动选择或输入目标环境的 python.exe。

这个场景下，关键参数有两个。

为什么现有环境推荐手工填，而不是依赖 PyCharm 的下拉检测？因为 PyCharm 检测已有环境列表时，读的是 conda executable 所在的 envs 目录，如果 conda executable 路径不准确，下拉里可能看不到某些环境。手工填 Interpreter 完全绕开了探测，只要路径真实存在，PyCharm 就能识别。填好后点 OK 等扫描完成就行。

确认导入正确，就执行一遍 3.3 节的两段验证代码。如果你的环境还是空的，不要在 PyCharm 里急着点安装，回终端执行 conda activate 环境名，再 conda install numpy pandas -y，把包装进该环境的 site-packages。Pycharm 配置 anaconda 时，最常见的后续问题就是包散落得到处都是，这里统一一下就能避免。

4.2 场景二：在Pycharm里新建conda环境，依赖的是“Conda executable”探测

很多教程推荐直接在 PyCharm 里新建环境：Add Local Interpreter -> Conda Environment -> Create new environment，填一个 Environment location 路径，再从 Python version 下拉框选版本。PyCharm 会调用 conda 创建新环境，创建完成自动切解释器。这个流程对新手确实省事，但它有一个前提：PyCharm 必须能找到 conda executable，否则直接报错。

从命令行等价写法来看，它和 3.1 的 conda create 是对应的，只是 PyCharm 会自动帮你填路径：

conda create -n newproj python=3.10 numpy pandas -y conda activate newproj

注意我在这里把 numpy、pandas 直接写在创建命令后面。纯 python=3.9 创建环境，之后还要单独 install；而写在一条命令里时，conda 会在同一轮依赖解析里安装它们，比两步走更快，也能尽量避免不同 repo 之间的版本冲突。PyCharm 的 Create new environment 没有暴露“同时装包”的选项，所以如果你在意初始包集合，仍然建议先在终端建好环境再导入。

选择 New environment 时，Environment location 可以放在 anaconda3/envs 下，也可以放在项目目录里。放在项目目录的好处是环境跟着项目走，换机器时整个目录拷走就行；坏处是路径不能有中文和空格，否则 conda 脚本会出现各种路径拼接问题。如果项目路径是纯英文，放在项目目录没问题；如果项目路径复杂，就老老实实使用默认 envs 目录。另外要注意，PyCharm 创建环境后会在项目根目录生成 .idea 目录，里面记录了解释器路径和运行配置，如果你用 Git 管理项目，最好把 .idea 加进 .gitignore，否则换机器拉代码时容易出现“解释器路径指向别人机器”的情况。

4.3 场景三：直接用base环境，看起来省事但代价在后头

第三个场景，也是很多人偷懒的场景：直接把解释器设为 anaconda3 根目录下的 python.exe，也就是 base 环境。打开 PyCharm 就能 import numpy、pandas，前三分钟确实舒服。但做项目两三周后就会明白，base 里的包数量越来越不可控，今天 pip 装一个，明天 conda 装一个，最后谁也说不清 base 里到底有哪些依赖。要交付项目时，requirements 根本导不出来，因为里面混着无数不相关的包。

要分清什么时候可以用 base。如果只是临时算一段脚本，不打算做成可维护的项目，用 base 没问题；如果要给项目写依赖清单，或者之后要部署到另一台机器，就要走虚拟环境流程。Pycharm 导入 anaconda 环境，区别不在“能不能跑”，而在“这个环境可不可复现”。直接导入 base 的路径也有固定格式：Windows 下是 C:\Users<用户名>\anaconda3\python.exe，macOS 或 Linux 下是 /Users/<用户名>/anaconda3/bin/python。

如果项目已经乱到整理不动，最简单的办法是删掉环境重来。大家都把 conda 环境叫“后悔药”，因为它创建成本极低，删掉也只是删掉一个目录，不会影响 Python 其他部分的运行。我一般会在项目进入稳定期后，用第 6 章的导出命令生成一份干净环境，把 base 继续保留成初始状态。这个习惯能让环境玄学出现的概率降到很低。

4.4 三种场景怎么选：先看依赖再看交付方式

做一个简单的判断就能选对：项目依赖重不重，项目是不是要迁移。只在本机写脚本、不打算交付的，直接用 base 也没关系；要装 torch、tensorflow 这类大依赖的，必须独立环境，因为这类框架对 python 版本和 cuda 版本极度敏感，放在同一环境里迟早冲突；要给同事或者另一台机器复现的，走 existing environment 加导出清单，或者干脆把整个 envs 目录拷走，配合相对路径使用。

多设备同步时还有一个经验：不要把 conda 环境的绝对路径写进项目的配置文件。PyCharm 的 .idea 会记录绝对路径，两人机器用户名不一样，解释器路径就失效。解决方式是把解释器统一放在标准位置，例如 Windows 下都放 C:\Users<用户名>\anaconda3\envs，这样换人时只需要改路径前缀。这一点在做项目交接时尤其重要，我在帮别人排查环境问题时，至少有一半情况是“环境对着呢，但路径是别人的机器名”。

5. Pycharm导入anaconda环境的5条避坑记录：从路径对不上到conda executable报错

5.1 现象：Pycharm里import失败，终端里却一切正常

Anaconda Prompt 里执行 python -c "import pandas" 完全正常，同一个项目在 PyCharm 里运行却报 ModuleNotFoundError。这类问题的排查重点不在包，而在“PyCharm 用的是哪个解释器”。原因很直接：项目当前解释器指向系统自带的 python.exe，或者指向 base 环境，和终端里激活的虚拟环境根本不是同一个目录。

解决办法是回到 Settings -> Python Interpreter，看右侧路径是否包含 envs<环境名>；如果不是，按 3.2 的方式重新导入。导入后务必用 sys.executable 确认一遍，因为“设置页看起来正确”和“运行配置里真正被使用”是两回事。如果确认解释器没问题但仍报错，再看运行配置：Run -> Edit Configurations -> Python 一栏里的解释器可能单独指定了另一个。把这里的解释器和项目解释器设成一致，问题就消失了。这类问题我见过太多次，根源往往是之前手动改过某个配置，之后又被 Ctrl+C、Ctrl+V 复制到了其他运行入口。

5.2 现象：提示 Conda executable is not found

在 PyCharm 里选 Conda Environment 后，Conda executable 一栏显示红色，提示这不是有效的 conda 可执行文件。常见原因有三种：一，安装 Anaconda 时没勾选把 conda 加入 PATH，系统 cmd 里根本跑不了 conda；二，填路径时把 python.exe 当成了 conda.exe；三，PyCharm 缓存了旧路径。

解决方法是先执行 conda info --base 查看 conda 根目录，再把 Conda executable 手动指到 Scripts\conda.exe 或 bin/conda。如果确实没加入 PATH，可以在环境变量里补充 anaconda3 与 anaconda3\Scripts 两条路径，再重启 PyCharm。需要说明的是，这个报错只在 PyCharm 需要调用 conda 命令的时候出现；如果你走 Existing environment 并手填解释器路径，可以完全不经过它。

5.3 现象：Pycharm的包列表与pip list对不上

PyCharm 解释器设置里显示 numpy 1.24，终端执行 pip list 却是 numpy 2.0。原因是 PyCharm 读取的是某个 conda 环境内 site-packages 目录的内容，而终端里执行 pip 时，当前 shell 的 python 来自另一个环境或系统 Python。这个问题几乎总出现在“混用工具”的场景：有人用 conda install 装包，又用全局 pip 装包，两边写进不同目录。

解决方式是固定一套工具链：环境内装包优先 conda install，没有对应包时使用 python -m pip install，不要直接敲裸的 pip install。python -m pip install 里的 python 是对应当前解释器的，pip 会把包装进当前环境的 site-packages，不会出现“装了但看不见”的情况。装完在 PyCharm 解释器设置页点左下角刷新图标，包列表就同步了。验证 pip 指向是否正确，可以执行 python -m pip --version，它会显示当前 python 对应的 pip 路径。

5.4 现象：终端激活环境时出现 Warning: This Python interpreter is in a conda environment...

在 Anaconda Prompt 或终端执行 conda activate mlproj 后，提示符前确实出现了 (mlproj)，但紧接着出现一大段以 Warning: This Python interpreter is in a conda environment but the environment has not been activated 开头的内容。翻译过来就是：当前 python.exe 位于 conda 环境内，但 shell 没有正常激活该环境，依赖库可能加载失败。

先不用慌，这不代表环境坏了。原因通常是 PATH 里第一个 python 并不是 conda 管理的解释器，导致 activate 之后启动的 python 仍是另一个；或者 base 环境从未执行过 conda init，shell 没有初始化 conda 的钩子函数。解决方法是执行 conda init，然后重新打开终端窗口，再 conda activate 一次。conda 会在 shell 启动脚本里写入初始化块，以后激活提示就会消失。如果 PyCharm 自带终端出现这个问题，还要检查 Settings -> Tools -> Terminal 里的 shell 路径是否和常用终端一致。Windows 的 PowerShell 有时候还会提示脚本执行策略不允许运行 conda.ps1，这时要在管理员权限下执行 Set-ExecutionPolicy RemoteSigned，再重开终端；这个动作只影响 PowerShell 本地脚本策略，不会改动系统安全设置。

5.5 现象：conda env list 能看到环境，Pycharm里却选不到

终端里 conda env list 能看到 myenv，PyCharm 的下拉里却只有 base。原因不在 PyCharm 的界面，而在于 PyCharm 的 Conda Environment 下拉是通过调用 conda executable 枚举环境的。如果 conda executable 填的是项目目录下某个 python.exe，或者 PyCharm 读取的 envs 目录和 conda 实际的环境根目录不一致，列表自然显示不全。

解决方式是手动点击 Interpreter 输入框右侧的文件夹图标，直接定位到 anaconda3/envs/myenv/python.exe；或者先在终端执行 conda env list 拿到完整路径，再原样填进文本框。想看得更深，可以执行 conda config --show envs_dirs，它会显示 conda 在哪些目录下扫描环境；如果 PyCharm 的环境列表和这个输出不一致，说明 PyCharm 识别路径有偏差。当 PyCharm 的环境探测不好使时，绕过探测、直接给路径，是所有方案里最踏实的。

这五条避坑记录有一个共同核心：Pycharm 导入 anaconda 环境的本质，是给项目指定一个 python.exe 路径。所有报错，要么是指定路径不对，要么是 conda 工具本身没有被 PyCharm 找到。抓住这两条线索，九成以上的环境问题都能自己排查掉。

6. 导入后的收尾习惯：三处对账和一条快速复制环境的命令

环境导入成功不等于之后不出问题，关键是建立一套“对账”习惯。我现在每次打开 Python 项目，会先看三处：第一处是终端里 conda env list 输出的环境列表；第二处是 PyCharm 右下角状态栏或 Settings -> Python Interpreter 里显示的解释器路径；第三处是 Run -> Edit Configurations 里 Python interpreter 的选项。把这三处指向同一个环境，项目才算真正闭环。很多“昨天还能跑，今天 import 就不行”的灵异事件，最后查下来都是跑到了别的环境里。

再补一条一次性的验证命令，它比单独 import 某个包更全面：

import sys import site print(sys.executable) print(site.getsitepackages())

输出里的 site-packages 路径应当是当前环境下的目录。这段代码我会在换电脑、从 Git 拉取项目、切换分支后都执行一次，每次都能在几分钟内定位到环境错配。环境迁移也是同样逻辑，项目稳定后用命令把包列表导出：

conda env export -n mlproj > environment.yml

到新机器上用 conda env create -f environment.yml 重建。两个小技巧：导出的文件放项目根目录，不要放桌面，避免路径带中文；新机器上重建前先升级 conda 本身，避免旧环境文件里的 build 编号在新版本下找不到。我最初每换一个新项目都会重新踩一遍环境，后来改成“三处对账一执行、关键文件导出留底”的习惯，基本告别了在 Anaconda Prompt 和 PyCharm 之间来回切但还是找不到包的状态。希望这一套流程，也能帮你在 Pycharm 导入 anaconda 环境这件事上少翻几次车。

本文还有配套的精品资源，点击获取