Anaconda vs. EPD Enthought vs. Manualna instalacja Pythona [zamknięta]

Próbowałem różnych dystrybucji Windows w ciągu ostatniego roku, próbując znaleźć jeden sutable dla mojego środowiska pracy (za proxy, ale bez dostępu do konfiguracji proxy).

Oto moja opinia z doświadczenia:

EPD / Canopy: Mieliśmy licencję EPD, ale była stara i nie byliśmy w stanie zaktualizować z powodu dziwnej sytuacji proxy. Aby dodać kilka pakietów (np. najnowszą wersję xlrd/xlwt), skompilowałem je ze źródła. Aby zaktualizować SciPy i NumPy , użyłem wstępnie skompilowanego instalatora z http://www.lfd.uci.edu ~ gohlke/użytkownik Uwielbiałem mieć w pełni skonfigurowane Py2exe i Cython , i po prostu zadziałało po wyjęciu z pudełka.

Po jakimś czasie próbowałem zainstalować darmową wersję Canopy, ale brakuje w niej Cythona i py2exe oraz jakiegoś konkretnego zaawansowanego pakietu, którego potrzebowałem, więc nigdy go nie używałem. Niektórzy z moich kolegów kupili pełny baldachim licencji, ale nadal nie wiemy, jak będą aktualizowane...

Python (x, y): Nie chcąc walczyć z licencjami, zainstalowałem Pythona (x,y) w domu. Jedynym minusem, który zauważyłem w tej chwili, jest to, że standardowa instalacja wymaga wybrania pakietów, które chcesz. Jest to zarówno dobry, jak i zły punkt, ponieważ nie mogę być pewien, że moi klienci będą mieli dokładnie taką samą konfigurację, jak ja podczas instalacji. (Pakiet narzędzi Enthought można zainstalować w Pythonie (x,y).) Po używając Pythona (x,y) przez jakiś czas zauważyłem, że zainstalowałem wersję 32 bitową. Chociaż nie jest to jasne na ich stronie internetowej, wydaje się, że nie mają wersji 64-bitowej od lipca 2015. Zamierzam go odinstalować i uzyskać dystrybucję 64 bitową.

Anakonda: {]} Kiedy pisałem to po raz pierwszy, Anaconda nie miała jeszcze wystarczającej ilości pakietów. Kilka lat później wydaje się znacznie lepiej, zamierzam spróbować!

Instrukcja: Aby uniknąć problemów ze zgodnością wersji z nasza stara wersja EPD, skończyło się na użyciu ręcznej instalacji Pythona i dodaniu dodatkowych pakietów ze strony LFD podlinkowanej powyżej. Działa świetnie, ale i tak sugerowałbym Canopy nowemu użytkownikowi, który wymaga zaawansowanych pakietów (np. GDAL lub PyFITS ).

Podsumowanie: jeśli zdecydujesz się na Canopy, zdobądź pełną licencję (akademicką lub zakupioną). W przeciwnym razie idź z Pythonem (x,y), to będzie takie samo.

Na Ubuntu: Nie ma potrzeby dystrybucji. It ' s all stosunkowo niedawno (+/- 6 miesięcy jest tolerowalne) i wstępnie skompilowane. Wystarczy wykonać sudo apt-get install python python-scipy i już jest! Istnieje również większość zaawansowanych pakietów.

Inne odpowiedzi pokrywają ziemię całkiem ładnie, więc chcę tylko zwrócić uwagę na jeden szczególny aspekt, o którym nikt jeszcze nie wspomniał. Jest to prawdopodobnie dość niszowe, ale Może potencjalnie zrobić lub złamać Anakondę lub baldachim dla niektórych osób pod Linuksem:

Anaconda Python buduje w trybie Unicode UCS4, podczas gdy Enthought Canopy używa UCS2.

W praktyce oznacza to, że jeśli polegasz na rozszerzeniach, których nie możesz skompilować samodzielnie powód (np. wstępnie skompilowane biblioteki własnościowe), jeśli zdarzy się, że nie zostaną zbudowane dla wersji Pythona z tym samym trybem, prędzej czy później mogą pojawić się błędy, które wyglądają jak undefined symbol: PyUnicodeUCS4_AsUTF8String.

Zgodnie z PEP 0513 , UCS4 wydaje się być obecnie bardziej popularny i zalecany. Ponadto, całe problemy z kompatybilnością UCS wydają się dotyczyć tylko 2.wersje x i

Używałem Anakondy od lat i bardzo mi się spodobała. Niestety, IPython Notebook (Teraz Jupyter) jest niedostępny bez wersji enterprise edition.

Chcę używać notebooków Jupyter w klasie, więc przerzuciłem się na Canopy. Instalacja wszystkich pakietów wydaje się łatwa. Trzeba przyznać, że nie przetestowaliśmy ich wszystkich.