也有很多人自己配置Python环境，不使用Anaconda。我明白有两个原因。首先，Anaconda对数据科学非常友好，但对于其他Python应用场景来说，它并不是最佳选择。更多的人会使用原生的python+pip+venv来搭配自己的开发环境。其次，Anaconda过于臃肿，光是安装包就有五六百兆，占用了好几千兆的运行空间，造成资源浪费。如果你知道Anaconda是什么，你就会清楚是否应该使用它。Aanconda是一个基于conda的Python数据科学和机器学习开发平台。这里有几个需要画线说明的关键词。conda是一个虚拟环境工具+包管理工具，可以在各种开发语言中使用，这里指的是Python。conda资源库有数以万计的第三方库，其中大部分与数据科学和机器学习相关。作为替代方案，也可以使用venv、pipenv和Virtualenv等工具创建虚拟环境，并使用pip下载和管理Python包。Python自带Anaconda，不用重新安装，运行环境配置好了。数据科学是指Anaconda专注于数据科学领域的Python开发。它自带了pandas、numpy、matplotlib、Jupyter等大多数主流第三方库，这也导致了Anaconda体积过大。所以总结一下，Anaconda最大的特点就是：为Python数据科学和机器学习服务，一次安装，一劳永逸。对于从事Python其他开发领域的人来说，上面提到的功能是不需要的，或者可以用pip、venv等工具代替，那么Anaconda就不那么值得安装了。为了避免功能冗余，部分用户选择了Miniconda，安装包只有50M。Miniconda是Anaconda的精简版，仅包含Python和Conda。我还推荐你使用Miniconda，它简单而强大。可以使用conda配置虚拟环境，安装各种第三方库。总之，不爱折腾就用Anaconda吧。喜欢折腾的可以尝试自己配置Python或者使用Miniconda。
