为什么我们有点子时需要Anaconda？

Question

Anaconda已经在科学计算中非常流行，因为它将超过125种最广泛使用的Python数据分析库捆绑在一起。我的问题是，既然我们已经有了pip（这是一个非常广泛使用的Python包管理器），为什么我们需要Anaconda呢？难道我们都不能为125个以上的图书馆中的每个图书馆输入pip install而且他们都能很好地合作吗？或者他们不能很好地合作，这意味着Anaconda通过整理出来试图让125个以上的图书馆进行良好互动时出现的问题，帮助了我们所有人？

Answer 1

三个基本原因：

• 这些库中的大多数需要链接到系统安装的库（例如，用于PyTables的HDF5或用于Numpy的ATLAS），用户可能会或可能不会知道。请注意，Matplotlib需要一堆不同的图形库，如果它们丢失，它将在某些后端崩溃。
• pip编译库（带轮子你可以避免这一步）。这需要C编译器（在Windows中很难）和FORTRAN编译器（在Mac和Windows中很难）。像Scipy这样的大型图书馆也需要时间。
• Anaconda的metapackage anaconda是Continuum确保它们很好地协同工作的最小库。在理想的世界中，我们应该始终使用所有内容的最后和最完善版本，但这可能会导致不兼容。

补充：

• 使用conda很容易创建一组包以供分发。因此，您可以轻松地共享您的包，包括其所有依赖项。

Answer 2

问题在于，很多这些科学软件包都依赖于许多外部C库，而pip无法处理这些库。

例如，请参阅我的问题：How to Bootstrap numpy installation in setup.py

那是我自己的图书馆，但我认为很多其他软件包都面临着类似的问题。

此外，编译库需要很长时间。只需在我的机器上输入pip install numpy就需要一分钟。这与人们使用预编译的二进制文件apt-get或yum而不是从源代码编译程序的原因相同。