问Anaconda vs. EPD手动安装Python

EN

更新2015：现在我总是推荐蟒蛇。它包含大量的Python包，用于科学计算、数据科学、web开发等。它还提供了一个优秀的环境工具conda，它允许在环境之间轻松切换，甚至在Python2和Python3之间切换。它还会在新版本的包发布后迅速更新，您可以只需执行conda update packagename来更新它。

下面的原始答案

在Windows上，编译数学软件包很复杂，所以我认为只有当你只对Python感兴趣，而没有其他软件包时，手动安装才是一个可行的选择。

因此最好选择EPD (现在的Canopy)或Anaconda。

蟒蛇有大约270个软件包，包括最重要的科学应用程序和数据分析，即NumPy，SciPy，Pandas，IPython，matplotlib，Scikit-learn。因此，如果这对你来说足够了，我会选择Anaconda。

相反，如果你对其他软件包感兴趣，甚至更感兴趣，如果你使用任何Instead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包，在存储库中有更多的包。Anaconda也包括查科。

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

以下是我的经验反馈：

环保署/树冠：我们有环保署的许可证，但它太旧了，由于奇怪的代理情况，我们无法更新。为了添加一些包(比如最新版本的xlrd/xlwt)，我从源代码编译。为了更新SciPy和NumPy，我使用了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。我喜欢拥有一个完全配置的Py2exe和Cython，而且它开箱即用。

过了一段时间，我尝试安装了免费版本的Canopy，但它没有Cython和py2exe，也没有我需要的一些特定的高级软件包，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 Python(x，y):不想为许可证而苦苦挣扎，我在家里安装了(x，y)。我现在注意到的唯一缺点是标准安装需要你选择你想要的包。这既是一个优点，也是一个缺点，因为我不能确定我的客户端在安装时是否会有与我完全相同的配置。(可以在Python(x，y)中安装installed工具套件。)在使用Python(x，y)一段时间后，我才注意到我安装了32位版本。虽然在他们的网站上还不清楚，但似乎到2015年7月为止他们还没有64位版本。我将卸载它并获得一个64位的发行版。

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

手册：为了避免与我们的旧版本的版本兼容性问题，我最终使用了手动安装Python，并从上面链接的LFD网站添加了额外的软件包。它工作得很好，但我仍然建议需要高级软件包(如GDAL或PyFITS)的新用户使用Canopy。

摘要：如果你想购买树冠，请获得完整的许可证(学术版或购买版)。否则，使用Python(x，y)，结果将是相同的。

Ubuntu上的：不需要发行版。它都是相对较新的(+/- 6个月是可以容忍的)和预编译的。您只需要执行sudo apt-get install python python-scipy，它就在那里！最高级的包也在那里。

其他答案很好地涵盖了这一点，所以我只想评论一下还没有人提到的一个特定方面。它可能是相当小众的，但对于Linux系统下的一些人来说，它可能会建立或破坏Anaconda或Canopy：

Anaconda Python构建使用的是UCS4 Unicode模式，而Unicode使用的是UCS2。

这实际上意味着，如果你依赖于任何不能自己编译的扩展(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，你迟早会遇到类似于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和低于3.3的版本。