Anaconda 与 EPD Enthought 与 Python 的手动安装 [关闭]

Question

各种 Python 包（EPD / Anaconda）与手动安装相比有哪些优缺点？

我已经安装了 EPD Academic，我对此没有任何问题。它提供了更多我认为我将需要的软件包，并且使用 enpkg enstaller 很容易更新。 EPD 学术许可证需要每年更新一次，但免费版本的更新并不容易。

目前我真的只使用少数几个包，例如Pandas、NumPy、SciPy、matplotlib、IPython、Statsmodels 及其各自的依赖项。

对于这种有限的使用，我最好手动安装和pip install --upgrade 'package' 还是捆绑包提供除此之外的任何东西？

Answer 1

2015 年更新：现在我总是推荐 Anaconda。它包含许多用于科学计算、数据科学、Web 开发等的 Python 包。它还提供了一个出色的环境工具，conda，它允许在环境之间轻松切换，甚至在 Python 2 和 Python 3 之间切换。它也更新了很多新版本的软件包发布后，您可以快速地进行更新，您只需 conda update packagename 即可对其进行更新。

原答案如下：

在 Windows 上，编译数学包很复杂，所以我认为只有当您只对 Python 感兴趣而没有其他包时，手动安装才是可行的选择。

因此最好选择 EPD（现在的 Canopy）或 Anaconda。

Anaconda 有大约 270 个包，包括对大多数科学应用和数据分析最重要的包，即NumPy、SciPy、Pandas、IPython、matplotlib、Scikit-learn。 所以如果这对你来说足够了，我会选择 Anaconda。

相反，如果您对其他软件包感兴趣，甚至如果您使用任何 Enthought 软件包（例如Chaco 对于实时数据可视化非常有用），那么 EPD/Canopy 可能是更好的选择。学术版在基础安装中有更多的软件包，在存储库中还有更多。 Anaconda 还包括 Chaco。

Answer 2

去年我尝试了各种 Windows 发行版，试图找到一个适合我的工作环境的发行版（在代理之后，但无法访问代理配置）。

这是我的经验反馈：

环保署/天篷： 我们有 EPD 的许可证，但它很旧，由于代理情况奇怪，我们无法更新。为了添加一些包（例如xlrd/xlwt的最新版本），我从源代码编译。为了更新SciPy 和NumPy，我使用了来自http://www.lfd.uci.edu/~gohlke/pythonlibs/ 的预编译安装程序，但它有时会破坏兼容性。我喜欢完全配置的 Py2exe 和 Cython，而且它开箱即用。

过了一段时间，我尝试安装 Canopy 的免费版本，但它缺少 Cython 和 py2exe 以及我需要的一些特定的高级打包，所以我从来没有真正使用过它。 我的一些同事购买了完整的 Canopy 许可证，但我们仍然不确定他们将如何更新......

Python(x,y)： 不想与许可证作斗争，我在家里安装了 Python(x,y)。我现在注意到的唯一缺点是标准安装要求您选择所需的软件包。这既是好事也是坏事，因为我不能确定我的客户端是否具有与我安装时完全相同的配置。 （Enthought 工具套件可以安装在 Python(x,y) 中。） 使用 Python(x,y) 一段时间后，我注意到我安装了 32 位版本。虽然在他们的网站上不清楚，但截至 2015 年 7 月，他们似乎没有 64 位版本。我将卸载它并获得 64 位分发版。

蟒蛇： 当我第一次写这篇文章时，Anaconda 似乎还没有足够的包。几年后，它似乎好多了，我要试一试！

手动： 为了避免与我们的旧 EPD 版本的版本兼容性问题，我最终使用手动 Python 安装并从上面链接的 LFD 网站添加额外的包。它效果很好，但我仍然会向需要高级软件包（如 GDAL 或 PyFITS）的新用户推荐 Canopy。

总结：如果您选择 Canopy，请获得完整许可证（学术或购买）。否则，使用 Python(x,y)，它最终将是相同的。

在 Ubuntu 上： 无需分发。这都是相对较新的（+/- 6 个月是可以容忍的）并且是预编译的。你只需要执行sudo apt-get install python python-scipy 就可以了！大多数高级软件包也在那里。

Answer 3

其他答案很好地涵盖了基础，所以我只想评论一个尚未有人提及的特定方面。它可能是相当小众的，但它可能可能会为 Linux 系统下的某些人制造或破坏 Anaconda 或 Canopy：

Anaconda Python 构建使用 UCS4 Unicode 模式，而 Enthought Canopy 使用 UCS2。

这实际上意味着，如果您依赖任何由于任何原因无法自行编译的扩展（例如预编译的专有库），如果它们碰巧不是为具有相同模式的 Python 版本构建的，您迟早会遇到类似于undefined symbol: PyUnicodeUCS4_AsUTF8String 的错误。

根据PEP 0513 的说法，UCS4 目前似乎更受欢迎和推荐。此外，整个 UCS 兼容性问题似乎只影响 2.x 和

Answer 4

我使用 Anaconda 已有多年，非常喜欢它。不幸的是，如果没有企业版，IPython Notebook（现在是Jupyter）将不可用。

我想在课堂上使用 Jupyter 笔记本，所以我改用 Canopy。安装我们需要的所有软件包似乎很容易。诚然，我们还没有对它们进行全部测试。