Anaconda 대 EPD Enthought 대 Python 수동 설치
다양한 Python 번들 (EPD / Anaconda)과 수동 설치의 상대적인 장점은 무엇입니까?
EPD 아카데믹을 설치했으며 문제가 없습니다. 필자가 필요하다고 생각하는 더 많은 패키지를 제공하며 enpkg enstaller를 사용하여 업데이트하기가 매우 쉽습니다. EPD 아카데믹 라이센스는 매년 갱신해야하지만 무료 버전은 쉽게 업데이트되지 않습니다.
현재 Pandas , NumPy , SciPy , matplotlib , IPython , Statsmodels 및 각각의 종속성과 같은 소수의 패키지 만 사용합니다 .
이러한 제한된 사용을 위해 수동 설치를 사용하는 것이 더 좋 pip install --upgrade 'package'습니까? 아니면 번들이 이상을 제공합니까?
2015 업데이트 : 요즘에는 항상 Anaconda를 권장합니다. 여기에는 과학 컴퓨팅, 데이터 과학, 웹 개발 등을위한 많은 Python 패키지가 포함되어 있습니다. 또한 condaPython 2와 3 사이에서도 환경간에 쉽게 전환 할 수 있는 뛰어난 환경 도구를 제공합니다. 또한 매우 빠르게 업데이트됩니다. 새 버전의 패키지가 릴리스되면 conda update packagename업데이트 할 수 있습니다 .
아래의 원래 답변 :
Windows에서 복잡한 것은 수학 패키지를 컴파일하는 것이므로 수동 설치는 Python다른 패키지없이 관심있는 경우에만 가능한 옵션이라고 생각 합니다.
따라서 EPD (현재 Canopy) 또는 Anaconda를 선택하는 것이 좋습니다.
Anaconda는 대부분의 과학 응용 프로그램 및 데이터 분석에 가장 중요한 NumPy , SciPy , Pandas , IPython , matplotlib , Scikit-learn 등 약 270 개의 패키지를 보유하고 있습니다. 이것이 충분하다면 Anaconda를 선택합니다.
대신 다른 패키지에 관심이 있고 Enthought 패키지를 사용하는 경우 ( 예 : Chaco 는 실시간 데이터 시각화에 매우 유용) EPD / 캐노피가 더 나은 선택 일 수 있습니다. Academic 버전은 기본 설치에 더 많은 수의 패키지가 있으며 저장소에 더 많은 패키지가 있습니다. Anaconda에는 Chaco도 포함됩니다.
작년에 다양한 Windows 배포판을 시도하여 작업 환경에 적합한 하나를 찾으려고 노력했습니다 (프록시 뒤에 있지만 프록시 구성에 액세스 할 수 없음).
경험에 대한 피드백은 다음과 같습니다.
EPD / 캐노피 : 우리는 EPD의 라이센스를 가지고 있었지만 오래되었고 이상한 프록시 상황 때문에 업데이트 할 수 없었습니다. 최근 패키지 xlrd / xlwt 와 같은 일부 패키지를 추가하기 위해 소스에서 컴파일했습니다. SciPy 및 NumPy 를 업데이트하기 위해 http://www.lfd.uci.edu/~gohlke/pythonlibs/ 에서 사전 컴파일 된 설치 프로그램을 사용 했지만 때로는 호환성이 떨어질 수 있습니다. 나는 Py2exe 와 Cython을 완전히 구성하는 것을 좋아 했으며 단순히 상자 밖으로 작동했습니다.
잠시 후 Canopy의 무료 버전을 설치하려고 시도했지만 Cython과 py2exe 및 필요한 특정 고급 패키지가 없으므로 실제로 사용하지 않았습니다. 내 동료 중 일부는 Canopy 정식 라이센스를 구입했지만 어떻게 업데이트할지 확실하지 않습니다 ...
Python (x, y) : 라이센스와 씨름하고 싶지 않아서 집에 Python (x, y)를 설치했습니다. 내가 지금 주목 한 유일한 단점은 표준 설치를 위해서는 원하는 패키지를 선택해야한다는 것입니다. 클라이언트가 설치할 때와 정확히 동일한 구성을 가지고 있는지 확신 할 수 없기 때문에 좋은 점과 나쁜 점입니다. (Enthought 도구 모음은 Python (x, y)에 설치할 수 있습니다.) 잠시 동안 Python (x, y)을 사용한 후 방금 32 비트 버전을 설치 한 것으로 나타났습니다. 웹 사이트에서는 명확하지 않지만 2015 년 7 월 현재 64 비트 버전이없는 것 같습니다. 제거하고 64 비트 배포판을 사용할 것입니다.
아나콘다 : 내가 이것을 처음 썼을 때, 아나콘다는 아직 충분한 패키지를 가지고 있지 않은 것 같습니다. 몇 년 후, 훨씬 나아 보였고, 시도해 볼 것입니다!
수동 : 이전 EPD 버전과의 버전 호환성 문제를 피하기 위해 수동 Python 설치를 사용하고 위에 링크 된 LFD 웹 사이트에서 추가 패키지를 추가했습니다. 잘 작동하지만 고급 패키지 ( GDAL 또는 PyFITS 등 )가 필요한 새로운 사용자에게는 여전히 Canopy를 제안합니다 .
요약 : Canopy를 이용하려면 정식 라이센스 (아카데믹 또는 구매)를 받으십시오. 그렇지 않으면 Python (x, y)을 사용하면 결국 동일합니다.
우분투 : 배포 할 필요가 없습니다. 모두 비교적 최근 (+/- 6 개월은 견딜 수 있음)이며 사전 컴파일되었습니다. 실행 만하면됩니다 sudo apt-get install python python-scipy. 대부분의 고급 패키지도 있습니다.
다른 답변은 근거를 아주 잘 다루기 때문에 아무도 언급하지 않은 특정 측면에 대해서만 언급하고 싶습니다. 아마도 틈새 시장 일지 모르지만 Linux 시스템의 일부 사람들에게는 Anaconda 또는 Canopy를 만들거나 깨뜨릴 수 있습니다.
Anaconda Python 빌드는 UCS4 유니 코드 모드를 사용하는 반면 Enthought Canopy는 UCS2를 사용합니다.
이것이 실제로 의미하는 것은 어떤 이유로 든 자신을 컴파일 할 수없는 확장 (예 : 사전 컴파일 된 독점 라이브러리)에 의존하는 경우 동일한 모드의 Python 버전으로 빌드되지 않으면 더 빨리 할 수 있다는 것입니다 또는 나중에 다음과 같은 오류가 발생합니다 undefined symbol: PyUnicodeUCS4_AsUTF8String.
PEP 0513 에 따르면 UCS4는 현재 더 인기가 있고 권장되는 것으로 보입니다. 또한 전체 UCS 호환성 문제는 2.x 및 <3.3 버전에만 영향을 미치는 것으로 보입니다.
나는 Anaconda를 몇 년 동안 사용했으며 꽤 좋아했습니다. 유감스럽게도 엔터프라이즈 에디션이 없으면 IPython Notebook (현재 Jupyter )을 사용할 수 없습니다.
교실에서 Jupyter 노트북을 사용하고 싶기 때문에 Canopy로 전환했습니다. 필요한 모든 패키지를 설치하는 것이 쉬운 것처럼 보입니다. 분명히, 우리는 그것들을 모두 테스트하지는 않았습니다.
'program tip' 카테고리의 다른 글
| iOS AVPlayer 시작 지연을 줄이는 방법 (0) | 2020.08.02 |
|---|---|
| SQLAlchemy 버전 관리는 클래스 가져 오기 순서를 걱정합니다. (0) | 2020.08.02 |
| 즉시 함수 호출 구문 (0) | 2020.08.02 |
| git 저장소를 데이터베이스 백엔드로 사용 (0) | 2020.08.02 |
| Java 웹 애플리케이션이 .do 확장자를 사용하는 이유는 무엇입니까? (0) | 2020.08.02 |