Python对于新手来说，和Java、C++的两大不同是：一方面Python需要频繁的安装扩展包，而后两者无论是包还是头文件则可以很轻松地导入。另一方面，Python在电脑上可能有多个环境或解释器，不同环境下的包并不是通用的，这样会导致用户误以为自己安装好了包却不能用~然后就会大量报错：ModuleNotFoundError: No module named 张三李四......
目录
一.为什么PyCharm找不到包？
import pandas as pd
data=[[1,2,3,4,5],[6,7,8,9,10]]
df = pd.DataFrame(data)
print(df)
df.to_excel('D:\\output1.xlsx', index=False)如上这段代码， 实际上是实现一个将列表转换为Excel中矩阵的功能，然后运行后报错没有找到pandas：
这时可能很多小伙伴会进入到cmd中使用pip list命令，理直气壮的说我已经装了pandas了啊？
实际上，这个pandas是在你手动下载的解释器里面，也即目录中的python.exe解释器 ：
而在PyCharm的terminal终端中再次键入pip list命令，发现并没有所谓的pandas！
在这里执行pip install pandas，然后就可以下载成功并运行了！（当然还有一个openpyxl包别忘了哦~）
这次没什么问题：
二.配置本地的Python解释器
实际上，这种情况可以用一个笑话来形容：你们抓的是周树人，和我鲁迅有什么关系？
玩笑归玩笑，cmd中看到的安装好的包，是用户手动配置好的那个——实际上这是因为在环境变量中添加了Path，这样就能在cmd中的c盘入口看到当时任意位置装好的那个Python解释器了。
而在这个项目中，我们用的并不是这个自己装好的解释器，你可以理解为PyCharm自带的一个——也即只在当前目录或者说是环境下有效。点击PyCharm的右下角就能看得很清楚：
左下角第三个按钮，可以看到当前环境下安好的包：
显然这样每一个项目都要单独安装一次的情况太麻烦，这时我们就要将自己安装的Python解释器作为PyCharm的解释器。进入到interpreter Setting中：
和目录显示的一样，此时我们的解释器只是一个当前项目独立自带的一个：
而这些包和我们自行安装的全局解释器也不同。在PyCharm中有时会直接爆红未安装的包，如果此时你选择用Alt+Enter键进行安装，也只能安装到当前的目录下，并不能安装到全局的解释器！
选择添加本地解释器：
然后勾选系统解释器，选择我们自行安装的python.exe文件路径：
然后换好之后，发现已经安装好的包立马就不一样了！
此时cv2也即OpenCV的包也不再提示报错：
并且这些包和我们cmd中查看的一模一样！
为了验证正确性，我们在终端中执行pip uninstall pandas卸载了pandas：
这时我们依旧可以成功运行！
这是因为我们在PyCharm的terminal中卸载或者安装的，还是之前所谓的那个自带的虚拟环境！而我们自己装的系统解释器，并不受影响~
有道是：不识庐山真面目，只缘身在此山中~
三. Anaconda的Jupyter编辑器
虽然多数情况下我们喜欢用PyCharm作为python开发的IDE，不过如果是临时的小项目，倒是有些杀鸡焉用牛刀的意味，这时很多选手选择使用python下载好后自带的命令行工具，也即IDLE~
然而前者过于简陋，在众多Notepad中，Anaconda集成的Jupyter是一个不错的选择，进入官网下载安装包，现在的最新版本已经达到3.12。如果问我Anaconda是什么，其实也是一种python解释器或者说环境，好处在于自己本身就集成了很多科学计算类的库，不需要我们一个一个下载了。
安装好后有两个可执行程序需要关心，如下——可以在自己的快捷页面中找到：
先进入下面的命令行工具，执行pip list，发现Anaconda本身集成了非常多的包，不需要频繁额外下载~
然后就是Jupyter编辑器，点击后会出现如下页面:
然后跳转到浏览器页面——如果没有自动跳转，人为干预一下即可，浏览器键入http://localhost:8888/tree。和Tomcat一样，都是本地的端口号：
然后即可愉快运行：
总的来说，对于小规模的开发来说，PyCharm并非唯一的选择~
四.PyCharm和Anaconda混合
Anaconda本质上也存在python解释器，我们去目录里面找一目了然：
同样是在解释器的设置界面，我们可以将conda环境设置为当前解释器的路径，这样我们就又多了一种解释器选择。不难看到，Anaconda的包确实有先天显著优势：
总的来说，推荐各位使用自己装好的python解释器或者Anaconda的解释器来作为PyCharm的默认解释器，这样可以极大得提高开发效率和资源管理的简洁性~