Anaconda与EPD Enthought与手动安装Python
各种Python软件包（EPD / Anaconda）与手动安装相比较有哪些优缺点？
我已经安装了EPD学术，我没有问题。 它提供了更多的软件包，我认为我将永远需要，而且使用enpkg enstaller更新非常容易。 环保署的学历牌照要求每年更新一次，免费版本也不会轻易更新。
目前我真的只使用了一些包，如pandas ， NumPy ， SciPy ， matplotlib ， IPython ， Statsmodels和他们各自的依赖。
对于这种有限的使用，我最好用手动安装和pip install --upgrade 'package'或捆绑提供什么超过这个？
2015年更新 ：现在我总是推荐Anaconda。 它包含了大量用于科学计算，数据科学，Web开发等的Python软件包。它还提供了一个卓越的环境工具conda ，它允许在Python 2和Python 3之间轻松地切换环境。它也快速更新为一旦新版本的软件包发布了，你就可以使用conda update packagename来更新它。
下面的原始答案 ：
在Windows上，编译math软件包非常复杂，所以我认为手动安装是一个可行的select，只有当你只对Python感兴趣时，没有其他软件包。
所以最好selectEPD（现在的Canopy）或者Anaconda。
Anaconda有大约270个软件包，其中包括NumPy ， SciPy ， Pandas ， IPython ， matplotlib ， Scikit-learn等最重要的科学应用和数据分析软件。 所以如果这对你来说够了，我会selectAnaconda。
相反，如果您对其他软件包感兴趣，而且如果您使用任何Enthought软件包（例如Chaco对实时数据可视化非常有用），则EPD / Canopy可能是更好的select。 Academic版本在基本安装中有更多的软件包，还有更多的软件包在版本库中。 python也包括查科。
我在去年尝试了各种Windows发行版，试图find一个适合我的工作环境（在代理之后，但没有访问代理configuration）。
这是我的经验反馈：
环保署/林冠：我们有环保署的牌照，但由于代理情况不佳，我们无法更新。 为了添加一些软件包（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/中的预编译安装程序，但它有时会搞砸兼容性。; 我喜欢有一个完全configuration的Py2exe和Cython ，它只是开箱即用。
过了一段时间，我尝试安装Canopy的免费版本，但它缺lessCython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它。 我的一些同事买了完整的Canopy许可证，但我们仍然不确定他们将如何更新…
Python（x，y）：不想与许可证争执，我在家安装了Python（x，y）。 我现在注意到唯一的缺点是标准安装要求你select你想要的包。 这既是好的也是坏的，因为我不能确定我的客户将具有与我安装时完全相同的configuration。 （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并不清楚，但是到2015年7月，他们似乎还没有64位版本。我将要卸载它并获得64位版本。
Anaconda：当我第一次写这个时，Anaconda似乎还没有足够的软件包。 几年后，似乎好多了，我会试试看！
手册：为了避免与旧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网站添加了额外的软件包。 它工作的很好，但我仍然build议Canopy给需要高级包（如GDAL或PyFITS ）的新用户。
总结：如果你去冠层，获得完整的许可证（学术或购买）。 否则，请使用Python（x，y），它将最终保持一致。
在Ubuntu上：不需要分配。 这都是相对较新的（+/- 6个月是可以忍受的），并预先编制。 你只需要执行sudo apt-get install python python-scipy ，它就在那里！ 最先进的软件包也在那里。
其他答案很好地覆盖了地面，所以我只想谈谈一个没有人提到的特定方面。 这可能是相当有利的，但它可能会在Linux系统下为某些人创造或破坏Anaconda或Canopy：
Anaconda Python构build使用UCS4 Unicode模式，而Enthought Canopy使用UCS2。
这实际上意味着如果你依赖于任何你不能编译自己的扩展（例如预编译的专有库），如果它们发生的不是为Python版本以相同的模式构build的，你可能会更快或者稍后运行到类似undefined symbol: PyUnicodeUCS4_AsUTF8String错误undefined symbol: PyUnicodeUCS4_AsUTF8String 。
根据PEP 0513 ，UCS4似乎目前更受欢迎和推荐。 而且，整个UCS兼容性问题似乎只影响2.x和<3.3版本。
我使用了Anaconda好几年了，并且非常喜欢它。 不幸的是， IPython Notebook （现在的Jupyter ）在没有企业版的情况下是不可用的。
我想在教室里使用Jupyter笔记本，所以我换了Canopy。 安装我们需要的所有软件包似乎很容易。 诚然，我们并没有对它们进行全面testing。
