为什么有些人宁愿花费很多时间去自己手工配置Python环境, 也

遇到个问题说：为什么有些人宁愿花费很多时间去自己手工配置Python环境, 也不用Anaconda?

image.png

想想也挺有意思，Anaconda这几年飞速发展，身边利用Python进行数据分析的开发者蛮多在用，大有与Python争锋之势，当然它也属于Python。

也有很多人是自己配置Python环境，而不用Anaconda，我理解有两方面原因。

首先Anaconda对数据科学很友好，但对于其他Python应用场景并不是最佳选择，更多人会使用原生python+pip+venv，去搭配自己的开发环境。

其次，Anaconda过于臃肿，光安装包就有五六百兆，占用几个G的运行空间，造成资源浪费。

如果你知道Anaconda到底是什么，就会明确该不该用它。

Aanconda是基于conda的Python数据科学和机器学习开发平台，这里有几个关键词需要画线重点解释。

conda是虚拟环境工具+包管理工具，可以用于各种开发语言，这里指Python。conda资源库有上万个第三方库，大部分都是数据科学和机器学习相关领域。

除了conda，venv、pipenv、Virtualenv等工具也可以用来创建虚拟环境，pip可以用来下载管理Python包。

Python是Anaconda自带的，无需你再次安装，而且配置好了运行环境。

数据科学是指Anaconda侧重于数据科学领域的Python开发，自带pandas、numpy、matplotlib、Jupyter等大多数主流第三方库，这也导致Anaconda体积过大。

所以综上所述，Anaconda最大特点是：服务Python数据科学和机器学习，一次安装，一劳永逸。

对于从事Python其他开发领域的人来说，并不需要上述的功能，或者完全可以用pip、venv等工具替代，那么Anaconda就不那么值得安装了。

有一些用户为了避免功能冗余，去选择Miniconda，安装包只有50M。

Miniconda是瘦身版的Anaconda，只包含Python和Conda。我也建议大家去使用Miniconda，简洁、强大。你可以使用conda去配置虚拟环境，安装各种第三方库。

总而言之，如果你不喜欢折腾就用用Anaconda，喜欢折腾可以试试自己配置或者用Miniconda。