知乎上遇到个热门问题,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?
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。
作为替代,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Anaconda,喜欢折腾可以试试自己配置Python或者用Miniconda。
读者福利:知道你对Python感兴趣,便准备了这套python学习资料
👉[[CSDN大礼包:《python兼职资源&全套学习资料》免费分享]](安全链接,放心点击)
对于0基础小白入门:
如果你是零基础小白,想快速入门Python是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案
包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、机器学习等习教程。带你从零基础系统性的学好Python!
零基础Python学习资源介绍
- ① Python所有方向的学习路线图,清楚各个方向要学什么东西
- ② 600多节Python课程视频,涵盖必备基础、爬虫和数据分析
- ③ 100多个Python实战案例,含50个超大型项目详解,学习不再是只会理论
- ④ 20款主流手游迫解 爬虫手游逆行迫解教程包
- ⑤ 爬虫与反爬虫攻防教程包,含15个大型网站迫解
- ⑥ 爬虫APP逆向实战教程包,含45项绝密技术详解
- ⑦ 超300本Python电子好书,从入门到高阶应有尽有
- ⑧ 华为出品独家Python漫画教程,手机也能学习
- ⑨ 历年互联网企业Python面试真题,复习时非常方便
👉Python学习路线汇总👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)
最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!