大家喜欢使用 anaconda 吗？

科学计算开箱即用，使唤 anaconda 挺好的。
另外，pip 在 win 下没 anaconda 友好。

windows 下省事。linux 下感觉没必要，有点臃肿

@TimePPT pip 在 win/linux 我都用过，没发现有什么问题啊

太大了，不做科学计算的话用 pipenv 管理环境就够了

@wsh1108 +1，太臃肿反而不友好

还要记一套命令，懒了

@welkinzh 我也觉得太大，而且它的功能不是很必要

喜欢。

我也喜欢 2333

问题蛮多的 快到弃用的边缘了

科学计算和开发是两个不同的目标人群
开箱即用我觉得很重要的

嗯。。。楼主一看就是没有被电脑上要装 n 个版本的 Python 折磨过的人
以及楼主体验下为了做个科学计算，安装了数不清的各种专业科学包，然后一堆包编译有问题一个个去解决有可怕

用的 miniconda

有 conda mini ？

喜欢~ 多 python 环境隔离~ 开发也好实验也好都方便

@hakono emm，多版本 python 我一般用 update-alternatives 管理。科学库的话，需要编译的库用 conda 就能直接安装了吗？

搞科学家计算可以直接上，不是干这个的没必要用。一般管理多版本 Python、虚拟环境用 pyenv、pipenv。如果执意要使用 conda 管理多版本 Python 中、虚拟环境，使用 miniconda。

还有国内那些用 centos 标配 py2 却不给 sudo 权限的。装 py3 没权限，编译又缺包，系统库版本太低。只能用 anaconda，二进制发布，即下即用。也内置了 pip，和 conda 指令互不影响。

pip 和 conda 并不是完全对应关系，前者是包管理，后者既管理包，也管理 Python 版本、虚拟环境。
miniconda 可视为一种 CPython 发行版本，因为普通 pip install conda 获得的 conda 好像是个阉割版。anaconda 可以视作 miniconda 外加预安装各种科学计算包。我猜 ana 是指 analysis ？

conda 省去很多编译的烦恼，许多科学计算库编译起来相当麻烦，还有版本依赖问题

@Kobayashi 玩梗 anaconda 是水蟒的意思

当你要在 centos 6.5 下跑 tensorflow，glibc 只有 2.12 ，没有 sudo 权限时，就知道 anaconda 的可贵了

而且开箱即用实在是方便

用 miniconda

miniconda3 在 win 上最近版本都有问题，
比如 python 3.7.1 编译时没有 ssl 模块：
https://github.com/AnacondaRecipes/python-feedstock/issues/13

conda install jupyterlab 启动后一堆报错，
pip 反而没问题

@windcode 可能我比较菜吧

就是比较臃肿一点，但是很多时候也是比较省事，多一种选择吧。

conda 不只是虚拟

pyenv 大法好，conda 太臃肿了。

你应该明白 python 不只是面向程序员。还有其他行业的人在用的。别人需要的是自己操控就可以开的车，而不是还要组装好才能开的车。

Python 版本问题才是 anaconda 主要解决的对象吧，2.X 并未淘汰 3.X 也在用，加上各个小版本，假如电脑用的 3.7 的，工作用 tensorflow，但是 tensorflow 只到 3.6。就很烦

Anaconda 觉得太臃肿了，用的 Miniconda

太臃肿了

anaconda 是 windows python 唯一解决方案，mac 和 linux 上各种选择就多了去了，甚至可以按需搭配

科学计算常用的 notebook 一般开发者根本用不到，spyder 同理。
其实这个发行版真的是为科学计算而生的，我开发机根本就一点都用不上，他最方便的就是可以命令行安装其他版本的 Python

用 miniconda

linux 下如果你需要 mkl 的话，还是 anaconda 比较方便
Gentoo 用户请无视我

几乎完全用 conda 替代 venv+pip 的路过～

Windows 上是真方便，Linux 就算了，自己 pip 搞定一切

tensorflow

喜欢，Windows 上用 Anaconda，Linux 上用 Miniconda，科学计算必备，用着方便

可以集中精力做科学计算 而不是配置环境什么的。别人可能不是程序员，不需要浪费时间配置什么虚拟环境管理，依赖什么的。

现在也感觉太臃肿了，包不是特别全。加了 conda-forge 的 channel 导致非常奇异的问题，理论上不能直接 update 大版本的，但我从 python 3.6 升级到了 python 3.7，然而部分软件包还是 3.6 的，没法用。

更喜欢 pip

作为一个新人，用 Anaconda 感觉非常好；特别是 Spyder 和 Notebook 开箱即用，不用浪费时间在环境配置上，先关注语言本身就好。

当然，Python 入门以后就可以换用其它东西来折腾了。

做科学计算就知道好了……有些特殊的科学计算的包要到特定渠道去下才行 要是自己编译真的是要命了

Anaconda 不过就多占些硬盘空间而已，硬盘根本不能算是资源

太臃肿了。解压都满

Mac / Linux 用啥都行。
Windows 自己玩玩（低端玩家）只用 pip 就够了。最多到 python2 -m pip 和 python3 -m pip 这份上。
Windows 搞科学计算和机器学习，不用 Anaconda，死都不知道怎么死的
我就想到去年我想在 Windows 10 上搭个 style2paints ……编译依赖库，报错几十个，一个个看，读 setup.py 源码和 python 自带的调用 C++ Compiler 的脚本的源码，然后再一点点下断点调试……还有为了编译装了 VS 2017 和 VS 2015 ……我的妈呀……

嫌臃肿可以用 miniconda。。。。但是 pip 是真的烦。。。总是莫名其妙报错。。。还不如 conda 省事....但是 conda 速度很慢不知道为啥

科学计算用到的 Numpy Scipy sklearn pandas 都是有 C 乃至 Fortran 的依赖的，要自己编译就太麻烦了
另外 conda 的 Numpy 的线性代数运算都是链接到 MKL 的，速度可能比你自己编译的更快

要设国内镜像源速度才会快的（ conda 国内源似乎只有中科大和清华两个）

这个看个人需求吧。
非开发人员做科学计算为主的时候用这个比较方便，还有一些非 CS 专业的小白刚上手用的时候比较容易。
如果是对 LINUX 和各种操作系统都玩得很 6 就没有必要装这么一个臃肿玩意儿了，自己随便搞了。

在我看来，anaconda 的功能包括了 pip 和 virtualenv 的。pip 和 virtualenv 的服务于 python 包，anaconda还有管理一些包信赖相关的库文件什么的，功能更方便一些。省得一些非 root 下安装各种奇怪的库文件，减少了许多不必要的安装问题。

从来不用
原生 venv + pip 完全够用了

建议用 miniconda

喜欢，开箱即用

不喜欢那些配置，直接打开 Jupter Notebook 就能用，挺好的，另外一个 WinPython 感觉也不错

更喜欢用 pip 和 virtualenvwrapper。

之前被 anaconda 安装要卸载弄过一次，很不方便。

@dacapoday 这一点确实有竞争力

弄一次 caffe，就体会到 anaconda 的好处...

miniconda +1

喜欢用 pip +1
但其实 anaconda 有个很好的优点是：诸如 TensorFlow, numpy 之类的包，anaconda 装上来是支持 mkl 的，比 pip 装的要快很多。

深度学习的也可以用～一直工作在 anconda 下。

conda install 和 pip install 安装的 tensorflow-gpu 不太一样，conda 会根据 tf 版本，自动安装不同版本的 cuda 和 cudnn。如果只在电脑上装某一个版本的 cuda 和 cudnn，然后用 pip 安装，很多需要手动编译 tf。

我司算法人员基本都是 anaconda，如果用 pip，我觉得大概率是算法菜鸟。

miniconda，window 下安装 django websocket 总是失败，实在无解使用 miniconda，妈妈再也不用担心我的环境了

miniconda3 不错。去掉 MKL 之后更 mini 了。

喜欢用，但我感觉比较臃肿。

pyenv 入侵性太强, 会在 path 里放一个假的 python, 依赖真 python 的 cli 工具会炸
venv 在 py2 下不能嵌套, 会让那些把 source xxx 放在 bashrc 里的人脑袋爆炸
pipenv 看起来是最好的, 但是不防小版本
同时这些工具都是用来启动一个服务. 不能让 cli 工具在虚拟环境里运行

pipsi 是给 cli 工具用的 pipenv, 但是和 pyenv 有冲突

conda 是大而全的解决方案: 二进制分发+防小版本升级.
但是和上面的 env 们一个毛病, 不能包装 cli 工具. conda2 里为了一个 py3 必须新建一个环境, 还要起个名字.

我同时需要 py2.7 py3.6 py3.7 又因为我的环境必须是 mac 所以我的解决办法是: 装个 debuan buster 虚拟机

其实上面的各种问题装个 linux 都能解决...

说用 pip 装肯定是算法菜鸟的肯定是不会自己编译软件的, 没有一份 tf 的头文件用啥 tf :)

https://aur.archlinux.org/packages/python-sonnet-git/ (虽然现在 sonnet 已经没有 c 依赖了 :( )

@Sasasu
#67 我同时需要 py2.7 py3.6 py3.7 又因为我的环境必须是 mac 所以我的解决办法是: 装个 debuan buster 虚拟机
---------------------------
同时需要装这么多，用 conda activate 切换环境不方便？还装三个虚拟机，真是我见过最愚蠢的人了。
还有，tf 编译有多难？呵呵，tf 这么多版本，你一个个去编译试试？ tf 来一个版本，你编译一个？你 leader 不会骂你愚蠢吗。

@TheWalkingDead 我们这里从学校刚毕业的或者对 python 不太熟的，会用 anaconda 过渡一下，到后面就都自己按需弄环境了。看来我们这里都是越活越菜鸟了啊。

@Earl 应该是你司比较 low

@TheWalkingDead 这个回复倒是很清奇，就好像说只有用 matlab 才高大上，用 c++写算法的都是 low B。
不过你这个回复倒是很符合你对 V2EX 的认识，哈哈。

@TheWalkingDead
我装了一个虚拟机, 里面有我需要全部 python 版本

conda 的源码分发在 linux 上没有优势, 反倒有坏处, 比如你的机器没有 AVX2, conda 上的 tf 带 AVX2, 然后就 core dumped 了

用不惯 conda.... 也试过 pipenv，还是觉得 pip 更靠谱 :)