前言

实习生问：我咋看见你经常用Anaconda的jupyter notebook写python代码，为啥不用PyCharm呢？
…
对于我个人而言现在主要的工作是数据分析，挖掘，直接下载Anaconda安装后，就可以启动jupyter notebook，写代码也感觉比较方便，尤其是PyCharm的启动和运行很笨重
但是之前用Django以及爬虫项目的时候，PyCharm优势就非常明显了

较为详细的解释

Jupyter notebook的特点：

1. 开源。
2. 支撑 30 种语言，包括一些数据科学领域很流行的语言，如 Python、R、scala、Julia 等。
3. 允许用户创建和共享文件，文件中可以包括公式、图像以及重要的代码
4. 拥有交互式组件，可以编程输出视频、图像、LaTaX。不仅如此，交互式组件能够用来实时可视化和操作数据。
5. 它也可以利用 scala、python、R 整合大数据工具，如 Apache 的 spark。用户能够拿到和 pandas、scikit-learn、ggplot2、dplyr 等库内部相同的数据。
6. markdown 标记语言能够代码标注，用户能够将逻辑和思考写在笔记本中，这和python内部注释部分不同。Jupyter 笔记本的用途包括数据清洗、数据转换、统计建模和机器学习。

PyCharm的特点：

1. 它能对类、对象、关键字的补全和自动缩进，能格式化代码，定制代码片段和格式。
2. 支持错误的突出显示，同时也包含 PEP-8，能帮助写出整洁的代码，易于支撑其他语言。
3. 它提供快速和安全的重构功能。
4. 它带有一个图形界面式的 Python/JavaScript 调试器。用户能够基于 GUI 来测试。
5. 它有一个快速的文档定义视图，能在不丢失上下文的情况下看到文档或对象的定义。同时 Jetbrain 提供的文档十分全面，还包含视频教程。

用PyCharm的最大优势就是写起来更爽，且看下图：

自动提示功能十分的强大，那么如何在PyCharm中直接使用Anaconda已安装的库？

PyCharm中直接使用Anaconda已安装的库Ctrl+Alt+S打开Setting，打开Project: PyCharm，找到Project Interpreter

选择上图中的设置齿轮，在弹出的菜单中选择Add Local…，弹出如下图，并选择System Interpreter：

选择右边的…按钮，在弹出的框内选择本地的Anaconda安装路径的python，确定即可：

验证：

可以看到PyCharm自动提示功能中已经有了pandas库了，当然其他的库也都可以使用了后记

当然，也可以像之前一样，直接在PyCharm中使用pip安装下面给大家介绍下，供大家参考

PyCharm中导入数据分析库

虽然安装完Anaconda后，就可以直接使用数据分析库进行代码编写以及数据分析，但是有时候我还是习惯用PyCharm开发（毕竟有很多年的Android Studio 和IDEA的使用经验），如何在PyCharm中导入常用的数据分析库呢？
（1）打开PyCharm，选择左下角的Terminal，更新pip

python -m pip install -U pip

（2）安装各种库命令

python  -m  pip  install  -U numpy scipy matplotlib pandas scikit-learn ipython jupyter sympy nose

-U也可写成–user，如果之前安装过，想要更新，则写为 --upgrade

（3）也可以简写（但是官方不推荐，使用简单的安装，可能会出问题，比如用-user安装的文件不会写入系统目录）

pip install numpy
pip install scipy
pip install pandas
pip install matplotlib

总结