winpython,anaconda哪个更好？

Python(x,y)和WinPython都是开源项目，其项目负责人都是Pierre Raybaut。按Pierre自己的说法是“WinPython不是试图取替Python(x,y)，而是出于不同动机和理念：更灵活、易于维护、可移动、对操作系统侵略性更小，但是用户友好性更差、包更少、没有同Windows资源管理器集成。”。参考1里面说Python(x,y)不是很稳定，此外看它目前的更新不是很频繁，确实有可能Pierre后来的工作重心放在WinPython上了。

Canopy和Anaconda是公司推的，带免费版和商业版/插件。这两款发行版也牵扯到一个人，那就是Travis Oliphant。Travis是SciPy的原始作者，同时也是NumPy的贡献者。Travis在2008年以副总裁身份加入 Enthought，2012年以总裁的身份离开，创立了一个新公司continuum.io，并推出了Python的科学计算平台Anaconda。 Anaconda相对Canopy支持Python的版本更多，对Python新版本支持跟的很紧（Sage不支持Python3.x的理由是因为其依赖的SciPy还不支持Python3，而Anaconda却实现了支持Python3.3和3.4，这就说明问题了），此外其在Linux平台下（通过conda管理）安装更方便。
[原创]选择Python科学计算发行版

两者使用的是相同的界面--spyder。到底有什么区别呢，哪个更好一些？

回复内容：

不请自来。本问题回答于2015年末，未来可能会出现个人不同意当前观点的状况。

种种迹象表明，从13-14年开始在科学计算领域使用Anaconda对于我确实是一个不错的选择。作为一个“科学计算发行版”，而不是一个专用于其他功能的发行版，我会给Anaconda 9分（满分10）

Pros：

1 Anaconda 作为科学计算/数据挖掘的工具效能让人满意。

我认为一些科学计算必要的工具在Anaconda中默认安装：

• NumPy+SciPy的底层组合
  
• Pandas对结构化/非结构化数据的转换以及灵活的处理
  
• Statsmodels，Scikit-Learn、NetworkX等对于数据挖掘的支持在Anaconda里面是默认安装的
  

当然工作中我还会关注一些conda没有收录的可爱功能，这其中包括：

• 词云绘图工具wordcloud
  
• 社交网络挖掘的Louvain算法
  
• gradient boosting工具xgboost
  

更多功能大家自己到github, bitbucket, sourceforge等都可以找到，就不赘述。

2 Anaconda 作为知识传导的工具令人满意。

在其他回答中我看到了有人提到ipython notebook无法正常工作，新手应该注意一下不要在翻墙的同时使用这个功能，它的原理是本地开端口建立一个Server，在浏览器中可以打开ipynb文档，开启Python Kernel，执行代码以及写Markdown风格的文档。我从Ipython 2.x的版本一直用到4.0（已经更名为Jupyter），这个工具可以同时支持Python、Julia和R脚本的Notebook，实现图文码并茂的文档。它的好处就是，HTML可以置于服务器端，而notebook可以直接共享给他人或者放在github上。

当我提到绘图的时候，我的意思是bokeh。基于bokeh.js，你的静态图和动图都可以放在Ipython notebook里面或者使用bokeh-server写在服务器上。Python和JavaScript之间交换数据我没有感觉到丝毫的不适，而bokeh本身对于高等、低等图形元素的设计让人感觉恰到好处。作为一个Processing2和R ggplot2的前用户，上手bokeh花了大概1-2天。

（小广告：出于私心推荐Processing 3，现在支持Python。值得上手一玩）

图文码并茂的文档我私人观点认为，未来是一个大方向：一个200人的公司，下至你手底下的小卒，上至CEO，都会从文档中获取他们需要整合的信息。作为数据分析师，数据科学家这种有些容易被码工鄙视实干不足，又被运营嗤之以鼻不够业务敏感不接地气的岗位，用数据讲出你想讲出的李菊福的故事应该是基本功。

3 Anaconda的工具生态圈让我觉察到了它未来的布局或者说野心。

且不说Win/MacOS/Linux通吃，请看如下链接中的PDF链接 Learn more about Anaconda

Anaconda提出了数据科学生态圈的概念，我认为这是经过凝练浓缩之后的总结出来的一套方法论。

• 数据整合、探索、统计分析、挖掘、预测（见第一点）
• 数据的仪表板、故事板乃至BI工具（见第二点）
• 代码底层加速能力：合理利用CPU（blaze生态系统，Intel MKL）、GPU（CUDA JIT）、Spark
• 企业工具：本地部署的协作开发平台wakari、本地定制化部署的Hadoop Spark（已有docker）

结合方法论提供解决别人痛点的工具是虚幻的，所以Continuum Analytics自己也做数据、算法的咨询服务。我认为有一大批压根没有远见的、没有真正以数据为核心做数据科学的所谓大数据公司，他们是真正好用技术的怀疑论者，我向来是无视的。

Cons：

1 技术群里面很多小伙伴反馈说conda生态圈更新慢。一般会晚1-2个月，比如IPython 4.0或者说Python 3.5的整合。我希望有的是稳定、简单的版本，对更新的需求可以压抑一下。

2 有些本来可以免费找到的资源在Anaconda中收费，比如NumPy w/ Intel MKL。而且，个人无法负担本地部署的Wakari企业级协作开发产品和Hadoop Spark集群产品。如果你有兴趣可以写邮件quote之。

3 回头看到题主提到的Spyder我跟你说我强迫症又犯了。Spyder作为IDE提供的是类似Matlab或者RStudio的体验，Python作为开发语言，除了Ipython Notebook以外，我建议你从以下2个工具里2选1，这2个可都不是Anaconda自带的工具了。

• PyCharm，JetBrains的精品，Win/MacOS/Linux全平台。不多解释了。
• Sublime Text 3，编辑器里我用着挺顺手（代码风格检查、高亮、代码上传、多翻译器切换）

那些说Vim的，你过来咬我啊！

================================================================

作为一个Anaconda的收费产品使用者，我得承认在几乎所有的技术群里面我表现的都像官托。

管它呢！Life is short, no BB. 用过两个软件后，我发现自己偏爱Anaconda啊！

大家都喜欢美观易用的User Interface，这样的话Anaconda是个不错的选择，界面漂亮，更方便管理那些Libraries，而且会对版本更新比较勤快。

其实说实话，我原来都是自己手动安装所有的Libraries的，从来不借助这些第三方软件，感觉这样比较Cool，可是经常会出现那些停留在Python2.x的Libraries，还要自己动手修改代码，才可以用，真是痛心疾首，后来找了很多的第三方，比如题主说的 （x，y）Python，Anaconda，还有Enthought，Winpython。后来综合考虑了，软件的美观程度，版本兼容性，更新频率，管理难易程度，我还是选择了Anaconda这条大水蟒。

一般堆代码也都是在Ipython Notebook里面完成的，很少去Spyder里面编辑，毕竟能少打开一个软件窗口就要节省一个窗口，而且整合在浏览器中的Ipython Notebook对代码每一步的测试很好用，命令行和批处理完美的融合在了一起，而且学会了Markdown语言后，整个就是一个笔记本，无论是图片，视频，数学公式，还是项目列表，表格，各种格式的文本都可以在一个ipnb文件里完成。是科学工作者和程序员的好笔记本，只有更爱它。

可以插入图片
可以插入网页
可以绘制表格
可以嵌入网络链接

可以直接绘图
可以编辑数学公式
对 pandas 的良好支持
Anaconda 和 winpython 都用过，Anaconda用得少些，windows下主要用winpython。
python如果不是做开发的话，相比spyder, 用ipython notebook是更好的选择.

有关两者的区别就我了解有如下几点：
1，我曾经让学生装Anaconda作为python课上的使用软件，但是不少同学安装都出现问题，最主要的就是ipython notebook用不了，而后改用winpython，出现问题的情况变少了。这发生在2013年，之后上课就统一用winpython了。
2，winpython脱胎于pythonxy，面向科学计算，兼顾数据分析与挖掘，；而Anaconda主要面向数据分析与挖掘方面，在大数据处理方面有自己特色的一些包, 据说在极大的矩阵运算方面速度很快。
3，winpython强调便携性，被做成绿色软件，不写入注册表，安装其实就是解压到某个文件夹，移动文件夹甚至放到U盘里在其他电脑上也能用。Anaconda则算是传统的软件模式。
4，winpython是由个人维护；Anaconda是由一家数据分析服务公司维护；这个区别意味着winpython在很多方面都从简，而Anaconda会提供一些人性化设置。
5，winpython 只能在windows上用，Anaconda则有linux的版本。

大致就这些，其实两个集成平台最大的区别还是其集成的软件包的区别，在windows下装python的包容易出问题，你需要哪些包，而其中一个有，那就选那个。
抛开软件包的差异，我个人推荐初学者用winpython，我觉得它似乎正因为其简单，问题也少点，由于便携性的特点系统坏了，重装后也能直接用。
最后一个建议，用python时间长了，最终还是会在linux下用的。windows下太缚手缚脚了。 anaconda在win 下各种崩溃，还是用winpython吧。我是win7，用的最新版和11月的次新版。 没用过winpython，只用过anaconda
用了anaconda觉得已经很好用了 JP Morgan和Credit Suisse用Anaconda，朋友告诉我Citi也是用那个。看看哪个你们行业用的广泛就用哪个呗～ Linux --> Anaconda
Windows --> Winpython
Anaconda在windows环境下问题多，notebook用不了。 在 windows 下我推荐 anaconda，或者说其背后的 conda 包管理系统。它提供了和 pip 类似的管理功能并且有所增强（例如支持 env），并且，所有的包都是编译好的，不必像 pip 那样安装 numpy 和 scipy 时折腾许久。如果觉得默认包配置太累赘的话，完全可以下载 conda 最小包 miniconda （Miniconda — Conda）来进行安装 据说anaconda的源在墙外，访问不稳定。
我用anaconda安装R语言支持，一直没成功。

An unexpected error has occurred, please consider sending the:--:-- 0.00 B/s
following traceback to the conda GitHub issue tracker at:

https://github.com/conda/conda/issues

Include the output of the command 'conda info' in your report.


Traceback (most recent call last):
File "/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py", line 226, in _error_catcher
yield
File "/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py", line 301, in read
data = self._fp.read(amt)
File "/opt/conda/lib/python3.5/http/client.py", line 433, in read
n = self.readinto(b)
File "/opt/conda/lib/python3.5/http/client.py", line 473, in readinto
n = self.fp.readinto(b)
File "/opt/conda/lib/python3.5/socket.py", line 575, in readinto
return self._sock.recv_into(b)
File "/opt/conda/lib/python3.5/ssl.py", line 924, in recv_into
return self.read(nbytes, buffer)
File "/opt/conda/lib/python3.5/ssl.py", line 786, in read
return self._sslobj.read(len, buffer)
File "/opt/conda/lib/python3.5/ssl.py", line 570, in read
v = self._sslobj.read(len, buffer)
ConnectionResetError: [Errno 104] Connection reset by peer

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "/opt/conda/bin/conda", line 5, in
sys.exit(main())
File "/opt/conda/lib/python3.5/site-packages/conda/cli/main.py", line 173, in main
args_func(args, p)
File "/opt/conda/lib/python3.5/site-packages/conda/cli/main.py", line 180, in args_func
args.func(args, p)
File "/opt/conda/lib/python3.5/site-packages/conda/cli/main_install.py", line 45, in execute
install.install(args, parser, 'install')
File "/opt/conda/lib/python3.5/site-packages/conda/cli/install.py", line 423, in install
plan.execute_actions(actions, index, verbose=not args.quiet)
File "/opt/conda/lib/python3.5/site-packages/conda/plan.py", line 538, in execute_actions
inst.execute_instructions(plan, index, verbose)
File "/opt/conda/lib/python3.5/site-packages/conda/instructions.py", line 148, in execute_instructions
cmd(state, arg)
File "/opt/conda/lib/python3.5/site-packages/conda/instructions.py", line 52, in FETCH_CMD
fetch(state['index'], arg)
File "/opt/conda/lib/python3.5/site-packages/conda/instructions.py", line 48, in fetch
fetch_pkg(index[fn])
File "/opt/conda/lib/python3.5/site-packages/conda/fetch.py", line 296, in fetch_pkg
download(url, path, session=session, md5=info['md5'], urlstxt=True)
File "/opt/conda/lib/python3.5/site-packages/conda/fetch.py", line 376, in download
chunk = resp.raw.read(2**14)
File "/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py", line 311, in read
flush_decoder = True
File "/opt/conda/lib/python3.5/contextlib.py", line 77, in __exit__
self.gen.throw(type, value, traceback)
File "/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py", line 244, in _error_catcher
raise ProtocolError('Connection broken: %r' % e, e)
requests.packages.urllib3.exceptions.ProtocolError: ("Connection broken: ConnectionResetError(104, 'Connection reset by peer')", ConnectionResetError(104, 'Connection reset by peer'))
The command '/bin/sh -c conda install --yes rpy2 r-base r-irkernel r-plyr r-devtools r-dplyr r-ggplot2 r-tidyr r-shiny r-rmarkdown r-forecast r-stringr r-rsqlite r-reshape2 r-nycflights13 r-caret r-rcurl r-randomforest' returned a non-zero code: 1 我来安利一下Canopy。

主界面长这样，

目前最新的版本是1.7。如果你还是学生，可以用学校邮箱注册账号登录，解锁debug 功能。

重点安利它家的Package Manager 功能，界面长这样，

可视化的安装界面，妈妈再也不用担心我的package 缺失/版本混乱/安装路径不明啦！

Canopy 为您贴心准备了所有常用的科学计算包，包括大名鼎鼎的numpy，scipy，pandas等等。numpy 的安装情况长这样，

连pip install 都不用啦！鼠标点点，安装卸载轻轻松松。甚至可以回溯历史版本！是否过于炸裂！

同时Canopy 对于Jupyter Notebook 的支持也很棒，可以在editor 里直接查看、编辑。

个人认为Canopy 最棒的一点是如果在安装时将它设置为default ，之后就不需要担心Python 的编译环境了。Canopy 自动为你创建出一个VirtualEnv，使你专心于具体的实现，不必担心底层的情况。

最后，Pycharm 也是极好的！然而我用sublime text 码代码。。。（一黑黑俩