众里寻他千百度

我的专业是地理信息科学，电脑中装有 QGIS 和 ArcGIS，对 python 的数据处理（如常见的numpy、pandas、matplotlib）和地学分析（如geopandas、gdal、proj）等方面有较高需求。

在学习python的过程中，我尝试过不同的python的IDE——VSCode、Anaconda(Jupyter Notebook)、Pycharm......踩过的坑不计其数，在这里姑且列出来，包括但不限于：

• conda install 速 度 太 慢。我试过很多办法，包括设置代理、切换清华源、安装mamba......但是无论怎样，在安装一些地理相关的包的过程中都不太行（如geopandas、osmnx），常常会卡在 solving environment 这一步。
• QGIS 中 python 的各个模块不可以动。我曾经作死在 VSCode 中将 python 路径设置为 QGIS 自带的python解释器，甚至不假思索地进行pip安装与更新。结果常常会报一些愚蠢的错误。
• Anaconda 和 Python 相互冲突。这个倒不是大问题，可以进行一系列配置就能解决。不过，Anaconda总是有各种各样的错误，安装各个包就算了，我在 Navigator 里竟然安装不了 RStudio，打开 Navigator 也要等很久，更不用提Anaconda如此庞大的体量了.......
• Python 版本控制。我曾经把 python 名字改成 python37；也曾经每次打开 QGIS 前都修改一次 PYTHONPATH......这实在是太过繁琐了。

在这个寒假假期里，我顺便自学了pandas和geopandas，途中测试各个IDE所得到的结论是：Spyder, yes!

敲定：Spyder Standalone

Spyder本身是集成在Anaconda里的，但是有一点是，Anaconda附带了太多太多的库，所占用的空间也有好几个G之多。

最终，我选择了Spyder的 Standalone installer（并非 Anaconda 里集成）。在探索了这么久之后，我终于发现了最适合我的 IDE，它不仅实用，而且优雅：借助geopandas和变量查看器，我可以轻松地浏览shp文件的表格；我也可以直观地看到我所绘制图表的历史记录，这有助于我不断调整参数，进行更好的数据可视化。

至于Jupyter Notebook，这非常赞，但我完全可以借助Binder、colab或在线的Jupyter计算服务，完全不需要在本地配置Anaconda。另外，相较于Jupyter而言，Spyder更易于进行debug，我可以更加直观地追踪每一个变量的值与状态，也可以在IPython中键入help()或type()等来辅助我进行判断。这对我很具有吸引力。

加上miniconda

当然，选择Spyder的独立版本并非一劳永逸。我遇到的第一个问题是，它无法通过pip安装第三方包。在我试着安装包时，它提示 “no module named pip”。官方给出的回复是 “pip不包括在我们的安装程序中，以避免用户通过安装其他软件包破坏Spyder。”

不过，我也就仅仅遇到了这一个问题。而这个问题已经有了完美的解决方案：

1、安装miniconda。

2、新建一个虚拟环境。

 conda activate base
 conda create -n myenv spyder-kernels nltk

3、在Spyder编辑器中调整虚拟环境。

正巧，我非常需要conda的环境管理功能，而miniconda完整地提供了这个功能。由于python的软件包数量众多，各个包之间的依赖情况各不相同，所以我会为不同的用途和项目配置不同的虚拟环境。目前，我进行网络编程是一个单独的环境，进行地学分析是另一个单独的环境，使用osmnx下载路网也是一个单独的环境。这让我处理不同的项目再也没有因为环境配置的问题报过错，切实称得上“得心应手”。

另一个注意事项

经过我的摸索，我发现还有另一个需要注意的地方：就是在切换完虚拟环境后，最好重启一下IPython内核，不然有时候虚拟环境还没有真正切换过去。这也许算是一个小瑕疵？

常用的与虚拟环境有关的conda命令有：

新建虚拟环境：(myenv为虚拟环境名称)

conda create -n myenv spyder-kernels nltk

激活虚拟环境：

conda activate myenv

删除虚拟环境：

conda remove -n your_env_name --all

退出虚拟环境：

activate base

结语

经过一番折腾，我现在正以最舒适的方式编写着我的python代码。相较于Anaconda而言，Spyder + miniconda以更小的内存提供了更快的下载与启动速度，并且能让我清晰地知道每一个变量都处于什么状态。这极大提升了我的编程体验。

少即是多，去掉那些我永远用不上的科学计算包，按需引入我真正需要的，这让我知道我正在做些什么。也许，这也就是所谓的“小而美”吧！