【2025 最新】 Python 安装教程 以及 Pycharm 安装教程(超详细图文指南,附常见问题解决)

【2025 最新】 Python 安装教程 以及 Pycharm 安装教程(超详细图文指南,附常见问题解决)

前言

        Python 作为目前最热门的编程语言之一,在数据分析、人工智能、Web 开发等领域应用广泛。而 PyCharm 作为 JetBrains 推出的 Python 集成开发环境(IDE),以其强大的功能和友好的界面成为开发者的首选工具。

        本文针对 2025 年最新版 Python(3.13.x)和 PyCharm(202x.x.x),提供Windows 10或11macOS Sonoma双系统安装教程,从官网下载到环境配置一步到位,同时整理了安装过程中最常见的 10 类问题及解决方案,确保新手也能顺利完成环境搭建。

一、Python 安装教程(2025 最新版)

1. 下载 Python 安装包

步骤 1:访问 Python 官网

打开浏览器,输入 Python 官网地址:https://www.python.org/(建议使用 Chrome/Firefox,避免国内镜像站的旧版本)。

步骤 2:选择对应系统版本
  • Windows 系统:点击官网首页的「Downloads」,系统会自动识别 Windows 版本并推荐最新安装包(如python-3.13.9-amd64.exe),直接点击下载即可。
  • macOS 系统:点击「Downloads」后,选择「macOS」,下载对应芯片的版本(Intel 芯片选python-3.13.0-macosx10.9.pkg,M 系列芯片选python-3.13.0-macosx11.0-arm64.pkg)。
注意:2025 年 Python 3.13.x 已默认支持 Windows 11 和 macOS Sonoma,无需担心系统兼容性。

2. 安装 Python(以 Windows 为例,macOS 类似)

步骤 1:运行安装包

这里我用以前下载好的python-3.8.5-amd64.exe(因为这个版本一直很稳定,其他版本也是一样这样安装),双击运行。

步骤 2:关键设置(必看!)
  • 勾选「Add Python 3.8 to PATH」(这是自动配置环境变量的关键,新手务必勾选,否则需手动配置)。
  • 点击「Customize installation」(自定义安装),不建议用「Install Now」(默认安装路径较深,后续查找不便)。

步骤 3:自定义安装选项
  • 「Optional Features」保持默认全选(包括pipIDLE等必要组件),点击「Next」。
    • 「Advanced Options」中,建议修改安装路径(如D:\Python,路径中不要有中文或空格),并勾选:

    安装好后点击Disable path lenght limit

    • 步骤 4:完成安装

      点击「Install」,等待进度条完成,出现「Setup was successful」即安装成功,点击「Close」关闭窗口。

      3. 验证 Python 安装是否成功

      步骤 1:打开命令行工具
      • Windows:按下Win + R,输入cmd,回车打开命令提示符。

      出现以下这个说明成功

      • macOS:打开「终端」(应用程序 - 实用工具 - 终端)。
      步骤 2:执行验证命令

      输入以下命令,查看 Python 版本:

      python --version # 或 python3 --version(macOS可能需要) 

      若输出Python 3.13.0(或对应版本号),说明安装成功。

      再验证 pip(Python 包管理工具)是否可用:

      pip --version # 或 pip3 --version 

      输出类似pip 24.2 from ... (python 3.8)即正常。

      二、PyCharm 安装教程(2025 最新版)

      PyCharm 分为社区版(Community) 和专业版(Professional)

      • 社区版:免费,适合新手学习和简单开发(推荐新手选择)。
      • 专业版:收费,支持 Web 开发、数据库等高级功能,学生可通过学校邮箱申请免费使用。

      1. 下载 PyCharm 安装包

      访问 JetBrains 官网:https://www.jetbrains.com/pycharm/,点击「Download」。

      • Windows 系统:选择「Community Edition」的.exe安装包(如pycharm-community-2025.1.1.exe)。
      • macOS 系统:选择「Community Edition」的.dmg安装包。

      2. 安装 PyCharm(以 Windows 为例)

      步骤 1:运行安装包

      这里之前双击下载好的pycharm-community-2020.1.1.exe(专业版)有条件建议下载专业版更好一点,弹出安装界面,点击「Next」。

      步骤 2:选择安装路径

      建议修改路径(如D:\PyCharm),避免安装在 C 盘系统目录。

      步骤 3:勾选安装选项
      • 必勾选:
        • Create Desktop Shortcut(创建桌面快捷方式,选择 64-bit)

      下一步:

      步骤 4:选择开始菜单文件夹

      保持默认,点击「Install」,等待安装完成,点击「Finish」。

      3. 首次启动 PyCharm 并配置 Python 环境

      步骤 1:初始化设置

      首次启动会提示「Import PyCharm Settings」,选择「Do not import settings」,点击「OK」。

      步骤 2:(没有激活的话点示用)

      最后到这里就可以打开我们要运行的项目了

      步骤 3:配置 Python 解释器(以下均作为学习,可以暂时不用管)
      1. 点击「New Project」创建新项目。
      2. 「Location」选择项目保存路径(如D:\PythonProjects\FirstProject)。
      3. 「Python Interpreter」处点击「Add Interpreter」→「Existing environment」。
      4. 点击「...」浏览,找到之前安装的 Python 路径(如D:\Programs\Python313\python.exe),选中后点击「OK」。
      5. 勾选「Create a main.py welcome script」(自动创建入口文件),点击「Create」。
      步骤 4:验证环境是否正常

      PyCharm 会自动创建main.py文件,输入以下代码:

      print("Hello, 2025 Python!") 

      右键点击代码区域,选择「Run 'main'」,若控制台输出Hello, 2025 Python!,说明环境配置成功。

      三、常见问题及解决方案

      1. 安装 Python 时忘记勾选「Add to PATH」,怎么办?

      • Windows:手动添加环境变量
        1. 右键「此电脑」→「属性」→「高级系统设置」→「环境变量」。
        2. 在「系统变量」中找到「Path」,点击「编辑」→「新建」,添加 Python 安装路径(如D:\Programs\Python313)和Scripts路径(如D:\Programs\Python313\Scripts)。

      macOS:终端执行命令

      echo 'export PATH="/usr/local/bin/python3:$PATH"' >> ~/.bash_profile source ~/.bash_profile 

      2. 命令行输入python提示「不是内部或外部命令」?

      • 检查环境变量是否添加正确(参考问题 1)。
      • 重启命令行工具(环境变量修改后需重启生效)。

      3. PyCharm 无法找到 Python 解释器?

      • 确认 Python 安装路径正确,且路径中无中文 / 空格。
      • 若已安装 Python,可在 PyCharm 中点击「File」→「Settings」→「Project: XXX」→「Python Interpreter」→「Add」,重新指定 Python.exe 路径。

      4. 安装 PyCharm 时提示「Insufficient memory」?

      • 关闭其他占用内存的程序(如浏览器、大型游戏),重新安装。
      • 若电脑内存小于 4GB,建议选择轻量级编辑器(如 VS Code)。

      5. macOS 系统安装 Python 后,python命令指向系统自带旧版本?

      • python3pip3命令替代pythonpip(2025 年 macOS 默认仍区分pythonpython3)。
      • 或通过alias设置别名:echo 'alias python="python3"' >> ~/.bash_profile

      四、总结

      本文详细讲解了  Python 和 PyCharm 的安装步骤,核心要点包括:

      1. 安装 Python 时务必勾选「Add to PATH」,避免手动配置环境变量的麻烦。
      2. 自定义安装路径时,避免中文、空格和系统目录(如 C:\Program Files)。
      3. PyCharm 首次创建项目时,需正确关联已安装的 Python 解释器。

      如果遇到其他问题,可在评论区留言,或参考 Python 官网文档(https://docs.python.org/3/)和 PyCharm 官方帮助中心(https://www.jetbrains.com/help/pycharm/)。

      祝大家顺利搭建 Python 开发环境,开启编程之旅!

      Read more

      RTX 4090 加速国产 AIGC 视频生成:腾讯混元与阿里千问开源模型

      RTX 4090 加速国产 AIGC 视频生成:腾讯混元与阿里千问开源模型

      国产AIGC视频大模型正加速落地,RTX 4090凭借强大算力与大显存,成为本地部署腾讯混元、阿里通义万相等前沿视频生成模型的最佳选择,开启桌面级AI创作新时代。 目录 * 一、引言:国产AIGC视频大模型,桌面算力的新疆域 * 二、解锁潜能:RTX 4090与国产视频大模型的协同优势 * 三、项目解析:国产AIGC视频模型的创新之路 * 四、部署与环境搭建:国产模型的本地化实践 * 4.1 基础环境准备 * 4.2 模型部署流程:腾讯混元与阿里通义万相的本地化实战 * 4.3 ComfyUI 集成与优化 * 五、性能测试与对比:RTX 4090 的硬核实力 * 5.1 生成速度实测 (fps / s/frame) * 5.2 显存消耗与优化策略 * 六、实际应用场景:国产模型赋能创意工作流 * 七、

      基于开源飞控pix的无人机装调与测试

      基于开源飞控pix的无人机装调与测试

      文章目录 * 前言 * 硬件使用说明 * 一、Hyper982 RTK模块 * 作为移动站使用 * 通过串口助手设置RTK参数(移动站) * 设置飞控参数(ArduPilot) * 设置飞控参数(PX4) * 资源下载 * 1、地面站软件和固件可执行文件 * 超维定制版HyperQGC(推荐) * NTRIP功能使用方法 * 基于超维定制版QGC和ArduPilot固件的领航跟随编队 * 多路视频流设置 * MQTT设置 * 地面站设置 * 4G模块配置 * MQTT服务器配置 * 飞控配置 * 海康威视相机云台控制 * 原版QGC地面站 * Mission Planner地面站 * PX4固件可执行文件 * ArduPilot固件可执行文件 * 2、安装好环境的虚拟机 * 安装虚拟机 * 打开虚拟机

      理解 IDE 调用大模型(Cursor / Claude Code / Copilot / OpenClaw / Agent IDE) 的 session

      理解 IDE 调用大模型(Cursor / Claude Code / Copilot / OpenClaw / Agent IDE) 的 session

      一、Session 在 IDE 里的真实含义 在普通 ChatGPT 对话中: Session ≈ 一段聊天 但在 IDE 中: Session ≈ 当前开发工作空间的认知状态 它通常包含: ① 对话历史(Conversation Memory) 你之前说过什么: * 修改哪个模块 * 当前目标 * 已做决策 * 技术约束 模型通过这些推断你下一步意图。 ② 工程上下文(Code Context) IDE 会持续注入: * 当前打开文件 * 最近编辑文件 * git diff * 报错日志 * terminal 输出 * workspace 结构 所以 session 实际上是: 语言上下文 + 代码上下文 + 操作历史 ③ Agent 状态(关键) 在 Agent

      LLaMA-Factory 大模型微调平台

      LLaMA-Factory 大模型微调平台

      目录 文章目录 * 目录 * LLaMA-Factory * LLaMA-Factory + Qwen3-7B + LoRA * 安装部署 * 准备数据集 * 执行微调 * 批量推理和训练效果评估 * LoRA 模型合并导出 * 部署运行微调后的大模型 LLaMA-Factory Llama-Factory 是基于 transformers 库开发的训练、微调、推理一体化平台,支持预训练、指令监督微调、奖励模型训练、PPO 训练、DPO 训练、KTO 训练、ORPO 训练等多种训练范式。支持使用 Accelerate 或 DeepSpeed 作为训练加速后端。 使用 Llama-Factory 进行微调非常简单,因为其最大的优势在于强大的数据处理与训练配置能力。只要按照官方的文档配置好环境,直接运行对应的脚本即可。 LLaMA-Factory + Qwen3-7B + LoRA 安装部署 * 容器安装 git clone