在VS Code中运行Python：基于Anaconda环境或Python官方环境

### 如何在 VS Code 中为 Python 创建非全局 Conda 环境 要在 Visual Studio Code (VS Code) 中创建并使用非全局的 Conda 环境，可以按照以下方式操作： #### 1. 安装必要的扩展 确保安装了 Microsoft 提供的 **Python 扩展** 和 **Anaconda 扩展**。这些扩展可以帮助管理 Conda 环境以及调试 Python 脚本。 #### 2. 创建新的 Conda 环境 通过命令行工具（如 Anaconda Prompt 或终端）运行以下命令来创建一个新的 Conda 环境： ```bash conda create --name myenv python=3.9 ``` 上述命令会创建名为 `myenv` 的新环境，并指定 Python 版本为 3.9[^1]。 激活该环境可以通过以下命令完成： ```bash conda activate myenv ``` #### 3. 在 VS Code 中配置环境 打开 VS Code 并按快捷键 `Ctrl+Shift+P` （Mac 上为 `Cmd+Shift+P`），输入并选择 **Python: Select Interpreter**。随后，在弹出的选择列表中找到刚创建的 Conda 环境路径，通常类似于： ``` /path/to/anaconda/envs/myenv/python.exe ``` 如果未自动检测到此环境，则可以选择手动输入路径[^2]。 #### 4. 设置工作区特定设置 为了使项目绑定至某个特定的 Conda 环境而不影响其他项目，可以在 `.vscode/settings.json` 文件中添加如下内容： ```json { "python.defaultInterpreterPath": "/path/to/anaconda/envs/myenv/bin/python", "python.terminal.activateEnvironment": true } ``` 这一步骤确保每次启动该项目时都会加载对应的 Conda 环境[^3]。 #### 5. 使用虚拟环境中安装依赖项 一旦选择了合适的解释器，就可以利用 pip 或 conda 来安装所需的库包。例如： ```bash pip install numpy pandas scikit-learn ``` 或者直接通过 Conda 进行安装： ```bash conda install numpy pandas scikit-learn ``` --- ### 示例代码片段 以下是基于 K-Means 聚类的一个简单实现示例，展示如何在一个独立的 Conda 环境中执行模型训练任务。 ```python from sklearn.cluster import KMeans import numpy as np k = 5 data = np.random.rand(100, 2) model = KMeans(n_clusters=k, n_init='auto', random_state=123).fit(data) centers = model.cluster_centers_ labels = model.labels_ print(f"Cluster Centers:\n{centers}") print(f"Labels Assigned:\n{labels}") ``` ---