 |
1
Latin 2022-03-15 15:39:18 +08:00
|
 |
2
TimePPT 2022-03-15 19:07:20 +08:00
数据分析，图省事建议 Anaconda
|
 |
3
edimetia3d 2022-03-15 20:11:39 +08:00
python -m venv 目前应该是 de facto 的标准, 基本是开箱即用.
不过随应用场景, miniconda 和 poetry 好像也很流行. 我对 miniconda 并不是特别喜欢, 以后应该会试试 poetry |
 |
4
karloku 2022-03-15 20:35:05 +08:00
venv 最有安全感, 配合 dotenv 一起用也没什么不便利的地方
|
 |
5
ClericPy 2022-03-15 21:47:49 +08:00
数据分析和机器学习好像没什么多个选择吧...
anaconda / miniconda 全家桶一把梭了, Jupyter Notebook 也方便直接把书上或者别人准备好的代码导入进来看效果. 比自己折腾环境靠谱的多 |
 |
6
Karonheaven 2022-03-16 09:31:24 +08:00  1
我现在需要独立环境的项目都用 PDM 了，非常推荐：
https://github.com/pdm-project/pdm |
 |
7
jayyjh 2022-03-16 19:33:51 +08:00
在用 conda
|
 |
8
tisswb 2022-03-21 14:48:34 +08:00
venv+pip 路过
|
 |
9
MTMT 2022-03-24 15:35:23 +08:00
数据分析，感觉 conda 就够用了，直接 anaconda 或者 miniconda
|
 |
10
wizardyhnr 2022-03-25 02:09:02 +08:00
以前用了 anaconda ，主要时因为当时安装 numpy 之类的要自己编译安装，另外系统的 Python3 版本也比较低。
anaconda 的问题是非常臃肿，体积比正常的 Python 环境要大很多，另外默认 channel 里的 package 不够多，用 conda-forge 装的话要运行很长时间检查依赖和占用很多内存，vps 上经常卡住。在 anaconda 环境中用 pip 安装需要用到 python-dev 的包时很难搞定。 现在的主流 Linux 发行版基本会有一个比较新的 Python 版本可以自己安装，另外 numpy 之类的安装已经非常简单了，用 venv 建立一个虚拟环境很轻量。Anaconda 在我这已经退休了。 |
Select Language