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?

配置是需要花时间的,花时间是很累的,或者说学习时间陡峭。在anaconda之前,原来python的pandas,numpy,scipy,matplotlib这些科学套件安装就有各类trick。导致安装不友好,所以anaconda是从科学计算入门占有市场的……

搞这部分的人,一部分人是researcher,一部分人是engineer,前者通常代码稀烂,根本不想浪费太多时间在安装包上。后者呢,则不一样,他的身份注定了他掌握了相对全面的计算机科学知识体系,因为配置对他来说不是问题啊。

我用Anaconda,但我更喜欢自己手工配置Python环境。如果把配置环境看做生娃,Anaconda是直接给你生了娃,告诉你要做父母了。手工配置则是你亲自生娃,痛并快乐着。所以,手工配置通常更多的会是两种情况,一种是初学者,不知道/不会用Anaconda。另一种是享受党,他们热衷于看到由自己一砖一瓦搭建的家园。你看那些在我的世界了搭建计算机的娃,他们要是不快乐的话,干嘛这么折腾自己。

手工配置更重要是记得一个最重要的原则,永远不要只依赖于一件事物,否则你拥有不了自由。

我是python自学者,有点体会不得不说,我接触anaconda是因为网上有些视频教的代码编写,是在jupyter上操作的,我前期配置的pycharm里面没有jupyter,因为在自己的pycharm里面测试不出来简单的代码的运行,为了想要个结果,这才从网上了解到anaconda能使用jupyter,才从网上下载anaconda.

在使用jupyter中才慢慢了解anaconda是管理这些环境的软件,但是网上带着新手去入门anaconda的讲解少之又少,有了,因为基础问题又看不懂,以简入深的资源反正我没找到,所以这就是我没开始用的原因。

希望提出问题的人多开源点anaconda的免费讲解,让我们迈过高高的门槛,进入大门。

python门槛相对较低,使用者大体分为两类,一类是算法研究人员,另一类是专业程序员。前者比较倾向于直接使用最简单的配置方法,用anaconda,后者则倾向于自己动手。

专业程序员,往往具有以下这些特点:具有软件工程的思维,动不动就是需求分析、概要设计/详细设计、测试、实施、运维;追求性能;强调兼容性、可维护性、可测试性、稳定性;喜欢使用git、SVN等版本管理工具;最终作品常常用于生产环境,主要服务于用户。

而算法研究人员则有很大的不同。他们把python只是作为一个工具,用来探索算法、分析数据、总结规律的,甚至干脆就是用来写论文的。他们不太考虑性能、稳定性等问题。

最极端的例子,他们用python,花了很大精力,可能就得出一个y=ax b,但是这个a和b就是精华,是极具技术含量的。而如何将这个公式放到生产环境,则是交给专业程序员。程序员可能会使用其他语言去实现它。

至于为什么专业程序员喜欢自己动手,这可能与他们平时的习惯有关,很多程序员都在Linux下进行开发,早都习惯了自己动手的思维模式,这和windows区别比较大。还有就是上面提到的,东西往往都要跑在生产环境(而不是理论研究),需要考虑很多东西,追求灵活性和可掌控性,要的就是“一切尽在掌控之中”的感觉。

我们拿开车来说,有的人只是作为代步工具,自动挡,能开、安全、好看就行。而有的人是作为比赛工具(赛车手)或盈利工具(出租车),区别就大了,大家可以自己体会。

python将pip3源一句话改成阿里云,要安装啥模块包,cmd里一句话很快就自动安装好。这很难吗?

我第一次用python添加包很累,后来知道anacoder之后,感觉真爽

没用过anaconda,最近一年临时转的python开发,一直手工配置python。多年软件工程工作背景,不觉得这有麻烦。过来人经验,手工配置还是需要练练,有些疑难杂症就是太自动化引起的,不知道手工配置流程,查问题的时候痛苦无比。

因为手动配置也很简单不累哇,python环境简直太好配置了有木有。

大佬都喜欢按照自己的需求和最熟悉的环境和操作方式来私人定制。这就像自己开车和坐公交去某个地方一样道理。

老司机才不会用什么anaconda,臃肿得一批。去官网下个exe安装包,傻瓜式操作,这很难吗?不是还有virtualenv吗