Anaconda vs. EPD Enthought vs.手动安装Python [关闭]

与手动安装相比，各种Python捆绑包（EPD / Anaconda）有哪些相对优点/缺点？

我已经安装了EPD Academic，但没有任何问题。它提供了我认为我将永远需要的更多软件包，并且使用enpkg enstaller进行更新非常容易。EPD学术许可证需要每年更新一次，而免费版本的更新并不那么容易。

目前，我实际上只使用了一些软件包，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，pip install --upgrade 'package'还是捆绑包提供了除此以外的其他功能？

2015年更新：如今，我总是推荐水蟒。它包括许多用于科学计算，数据科学，Web开发等的Python程序包。它还提供了一个高级的环境工具conda，该工具可以轻松地在环境之间切换，甚至在Python 2和3之间切换。它也很快得到了更新。当发布新版本的软件包时，您可以conda update packagename进行更新。

以下为原始答案：

在Windows上，复杂的是编译数学软件包，因此，我认为仅当您仅对Python而不是其他软件包感兴趣时，手动安装才是可行的选择。

因此最好选择EPD（现为Canopy）或Anaconda。

Anaconda大约有270个软件包，其中包括对于大多数科学应用程序和数据分析而言最重要的软件包，即NumPy，SciPy，Pandas，IPython，matplotlib，Scikit-learn。因此，如果这对您来说足够，我会选择Anaconda。

相反，如果您对其他软件包感兴趣，并且如果您使用任何Enthought软件包（例如Chaco对于实时数据可视化非常有用），则EPD / Canopy可能是一个更好的选择。学术版在基本安装中包含大量软件包，在存储库中包含更多软件包。Anaconda还包括Chaco。

去年，我尝试了各种Windows发行版，试图为我的工作环境找到一个合适的版本（在代理之后，但无法访问代理配置）。

这是我的经验反馈：

EPD / Canopy： 我们拥有EPD许可证，但是它很旧，并且由于代理服务器情况怪异而无法更新。为了添加一些软件包（例如xlrd / xlwt的最新版本），我从源代码进行了编译。要更新SciPy和NumPy，我使用了http://www.lfd.uci.edu/~gohlke/pythonlibs/中的预编译安装程序，但有时会破坏兼容性。我喜欢拥有完全配置的Py2exe和Cython，它开箱即用。

过了一会儿，我尝试安装Canopy的免费版本，但是它缺少Cython和py2exe以及一些我需要的特定高级软件包，因此我从未真正使用过它。我的一些同事购买了完整的Canopy许可证，但是我们仍然不确定他们将如何更新...

Python（x，y）： 不想在许可证上挣扎，我在家安装了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。这既有好处也有坏处，因为我不确定我的客户端将具有与安装时完全相同的配置。（可以在Python（x，y）中安装Enthought工具套件。）使用Python（x，y）一段时间后，我只是注意到我安装了32位版本。尽管在他们的网站上不清楚，但截至2015年7月，他们似乎还没有64位版本。我打算将其卸载并获得64位版本。

Anaconda： 当我第一次写这篇文章时，Anaconda似乎还没有足够的软件包。几年后，它似乎好多了，我将尝试一下！

手册： 为了避免与我们的旧EPD版本存在版本兼容性问题，我最终使用了手动安装Python，并从上面链接的LFD网站添加了其他软件包。效果很好，但我仍然向需要高级软件包（例如GDAL或PyFITS）的新用户建议Canopy 。

摘要：如果您要购买Canopy，请获取完整的许可证（学术版或购买的）。否则，使用Python（x，y），结果将相同。

在Ubuntu上： 不需要分发。这些都是相对较新的（可以容忍+/- 6个月）并已预编译。您只需要执行sudo apt-get install python python-scipy就可以了！也有最高级的软件包。

其他答案很好地覆盖了地面，因此我只想谈谈一个尚未提及的特定方面。它可能是相当利基的，但是对于Linux系统下的某些人来说，它可能会制造或破坏Anaconda或Canopy：

Anaconda Python版本使用UCS4 Unicode模式，而Enthought Canopy使用UCS2。

实际上，这意味着如果您依赖任何因某种原因而无法自行编译的扩展（例如，预编译的专有库），并且如果它们不是为使用相同模式的Python版本构建的，则可能会更快或以后遇到类似于的错误undefined symbol: PyUnicodeUCS4_AsUTF8String。

根据PEP 0513，UCS4当前似乎更为流行和推荐。同样，整个UCS兼容性问题似乎仅影响2.x和<3.3版本。

我使用Anaconda已有多年，并且非常喜欢它。不幸的是，如果没有企业版，则无法使用IPython Notebook（现在为Jupyter）。

我想在教室里使用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，我们还没有对它们全部进行测试。