1

我是 Python 新手，开始着手一个将分发给用户的大型项目。我也是公司中第一个使用的人，我想获得有关安装 Python 和软件包的最佳方法的建议，这样我就不会走错方向。

我需要数据分析框架（pandas、numpy、scipy、matplotlib、statsmodels、pymongo），我最初的方法是直接安装 Python 3.5，然后在每个包上使用 pip install。

我遇到了其他人发现的类似问题 [ Unable to find vcvarsall ]，并解决了。下一个问题是安装 scipy 时缺少 BLAS 和 LAPACK。在这一点上，我认为 Anaconda 是要走的路，而不是单独的 pip 安装，并且可以轻松设置所有内容。

Anaconda 的一个问题是它安装了很多我永远不会使用的软件包，并且可能没有我将来想使用的一些软件包，例如 TensorFlow（大概可以执行 pip install 来获取未包含的额外软件包？） .

中间的解决方案似乎是 Miniconda，我相信它可以解决 scipy 的 BLAS/LAPACK 问题。

所以我的问题是：有使用 Python 开发数据分析项目经验的人是否可以将其部署到用户的 Windows 桌面，并在 Linux 上运行服务器端组件，提供从零开始他们会做什么的建议组织？

（我目前赞成沿着 Anaconda 路线前进。）

4

1 回答 1

1

就个人而言，我认为 Anaconda(conda) 更好。首先，conda 是跨平台的包管理器，安装使用方便。其次，conda具有virtualenv的功能，可以使用conda create来创建环境。最后，还有 Anaconda cloud 和 condo-forge，这些社区可以帮助您解决 conda 问题、构建包和分享想法。

此外，Anaconda(conda) 确实安装了很多包，但这些都是依赖项。比如你“conda install scikit-learn”时，conda会自动帮你安装依赖，numpy和spicy。

于 2016-06-29T17:44:37.397 回答