


Mengapakah sesetengah orang lebih suka menghabiskan banyak masa untuk mengkonfigurasi persekitaran Python secara manual daripada menggunakan Anaconda?
Terdapat juga ramai orang yang mengkonfigurasi persekitaran Python dengan sendirinya dan bukannya menggunakan Anaconda. Saya faham ada dua sebab.
Pertama sekali, Anaconda sangat mesra kepada sains data, tetapi ia bukan pilihan terbaik untuk senario aplikasi Python yang lain Lebih ramai orang akan menggunakan python+pip+venv asli untuk memadankan persekitaran pembangunan mereka sendiri.
Kedua, Anaconda terlalu kembung Pakej pemasangan sahaja adalah 500 hingga 600 MB, menduduki beberapa G ruang berjalan, mengakibatkan pembaziran sumber.
Jika anda tahu apa itu Anaconda, anda akan tahu sama ada anda patut menggunakannya atau tidak.
Aanconda ialah platform pembangunan sains data dan pembelajaran mesin berdasarkan conda. Terdapat beberapa kata kunci yang perlu diserlahkan dan dijelaskan.
conda ialah alat persekitaran maya + alat pengurusan pakej yang boleh digunakan untuk pelbagai bahasa pembangunan, di sini merujuk kepada Python. Pustaka sumber conda mempunyai puluhan ribu perpustakaan pihak ketiga, yang kebanyakannya berkaitan dengan sains data dan pembelajaran mesin.
Sebagai alternatif, alatan seperti venv, pipenv dan Virtualenv juga boleh digunakan untuk mencipta persekitaran maya dan pip boleh digunakan untuk memuat turun dan mengurus pakej Python.
Python disertakan dengan Anaconda, anda tidak perlu memasangnya sekali lagi dan persekitaran berjalan dikonfigurasikan.
Sains data bermakna Anaconda memfokuskan pada pembangunan Python dalam bidang sains data Ia disertakan dengan kebanyakan perpustakaan pihak ketiga arus perdana seperti panda, numpy, matplotlib dan Jupyter Ini juga menyebabkan Anaconda menjadi terlalu besar .
Ringkasnya, ciri terbesar Anaconda ialah: menyediakan sains data Python dan pembelajaran mesin, setelah dipasang, sekali dan untuk semua.
Bagi mereka yang terlibat dalam bidang pembangunan Python lain, mereka tidak memerlukan fungsi di atas, atau mereka boleh menggantikannya sepenuhnya dengan alatan seperti pip dan venv, jadi Anaconda tidak berbaloi untuk dipasang.
Untuk mengelakkan lebihan fungsi, sesetengah pengguna memilih Miniconda Pakej pemasangan hanya 50M.
Miniconda ialah versi Anaconda yang lebih langsing, hanya mengandungi Python dan Conda. Saya juga mengesyorkan semua orang untuk menggunakan Miniconda, yang mudah dan berkuasa. Anda boleh menggunakan conda untuk mengkonfigurasi persekitaran maya dan memasang pelbagai perpustakaan pihak ketiga.
Ringkasnya, jika anda tidak suka melambung, gunakan Anaconda Jika anda suka melambung, anda boleh cuba mengkonfigurasi Python sendiri atau menggunakan Miniconda.
Atas ialah kandungan terperinci Mengapakah sesetengah orang lebih suka menghabiskan banyak masa untuk mengkonfigurasi persekitaran Python secara manual daripada menggunakan Anaconda?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











PHP terutamanya pengaturcaraan prosedur, tetapi juga menyokong pengaturcaraan berorientasikan objek (OOP); Python menyokong pelbagai paradigma, termasuk pengaturcaraan OOP, fungsional dan prosedur. PHP sesuai untuk pembangunan web, dan Python sesuai untuk pelbagai aplikasi seperti analisis data dan pembelajaran mesin.

PHP sesuai untuk pembangunan web dan prototaip pesat, dan Python sesuai untuk sains data dan pembelajaran mesin. 1.Php digunakan untuk pembangunan web dinamik, dengan sintaks mudah dan sesuai untuk pembangunan pesat. 2. Python mempunyai sintaks ringkas, sesuai untuk pelbagai bidang, dan mempunyai ekosistem perpustakaan yang kuat.

PHP berasal pada tahun 1994 dan dibangunkan oleh Rasmuslerdorf. Ia pada asalnya digunakan untuk mengesan pelawat laman web dan secara beransur-ansur berkembang menjadi bahasa skrip sisi pelayan dan digunakan secara meluas dalam pembangunan web. Python telah dibangunkan oleh Guidovan Rossum pada akhir 1980 -an dan pertama kali dikeluarkan pada tahun 1991. Ia menekankan kebolehbacaan dan kesederhanaan kod, dan sesuai untuk pengkomputeran saintifik, analisis data dan bidang lain.

Python lebih sesuai untuk pemula, dengan lengkung pembelajaran yang lancar dan sintaks ringkas; JavaScript sesuai untuk pembangunan front-end, dengan lengkung pembelajaran yang curam dan sintaks yang fleksibel. 1. Sintaks Python adalah intuitif dan sesuai untuk sains data dan pembangunan back-end. 2. JavaScript adalah fleksibel dan digunakan secara meluas dalam pengaturcaraan depan dan pelayan.

Untuk menjalankan kod python dalam teks luhur, anda perlu memasang plug-in python terlebih dahulu, kemudian buat fail .py dan tulis kod itu, dan akhirnya tekan Ctrl B untuk menjalankan kod, dan output akan dipaparkan dalam konsol.

Kod penulisan dalam Kod Visual Studio (VSCode) adalah mudah dan mudah digunakan. Hanya pasang VSCode, buat projek, pilih bahasa, buat fail, tulis kod, simpan dan jalankannya. Kelebihan vscode termasuk sumber lintas platform, bebas dan terbuka, ciri-ciri yang kuat, sambungan yang kaya, dan ringan dan cepat.

Kod VS boleh digunakan untuk menulis Python dan menyediakan banyak ciri yang menjadikannya alat yang ideal untuk membangunkan aplikasi python. Ia membolehkan pengguna untuk: memasang sambungan python untuk mendapatkan fungsi seperti penyempurnaan kod, penonjolan sintaks, dan debugging. Gunakan debugger untuk mengesan kod langkah demi langkah, cari dan selesaikan kesilapan. Mengintegrasikan Git untuk Kawalan Versi. Gunakan alat pemformatan kod untuk mengekalkan konsistensi kod. Gunakan alat linting untuk melihat masalah yang berpotensi lebih awal.

Running Python Code di Notepad memerlukan Python Executable dan NPPExec plug-in untuk dipasang. Selepas memasang Python dan menambahkan laluannya, konfigurasikan perintah "python" dan parameter "{current_directory} {file_name}" dalam plug-in nppexec untuk menjalankan kod python melalui kunci pintasan "f6" dalam notepad.
