遇到個問題說：爲什麼有些人寧願花費很多時間去自己手工配置Python環境, 也不用Anaconda?
想想也挺有意思，Anaconda這幾年飛速發展，身邊利用Python進行數據分析的開發者蠻多在用，大有與Python爭鋒之勢，當然它也屬於Python。
也有很多人是自己配置Python環境，而不用Anaconda，我理解有兩方面原因。
首先Anaconda對數據科學很友好，但對於其他Python應用場景並不是最佳選擇，更多人會使用原生python+pip+venv，去搭配自己的開發環境。
其次，Anaconda過於臃腫，光安裝包就有五六百兆，佔用幾個G的運行空間，造成資源浪費。
如果你知道Anaconda到底是什麼，就會明確該不該用它。
Aanconda是基於conda的Python數據科學和機器學習開發平臺，這裏有幾個關鍵詞需要畫線重點解釋。
conda是虛擬環境工具+包管理工具，可以用於各種開發語言，這裏指Python。conda資源庫有上萬個第三方庫，大部分都是數據科學和機器學習相關領域。
除了conda，venv、pipenv、Virtualenv等工具也可以用來創建虛擬環境，pip可以用來下載管理Python包。
Python是Anaconda自帶的，無需你再次安裝，而且配置好了運行環境。
數據科學是指Anaconda側重於數據科學領域的Python開發，自帶pandas、numpy、matplotlib、Jupyter等大多數主流第三方庫，這也導致Anaconda體積過大。
所以綜上所述，Anaconda最大特點是：服務Python數據科學和機器學習，一次安裝，一勞永逸。
對於從事Python其他開發領域的人來說，並不需要上述的功能，或者完全可以用pip、venv等工具替代，那麼Anaconda就不那麼值得安裝了。
有一些用戶爲了避免功能冗餘，去選擇Miniconda，安裝包只有50M。
Miniconda是瘦身版的Anaconda，只包含Python和Conda。我也建議大家去使用Miniconda，簡潔、強大。你可以使用conda去配置虛擬環境，安裝各種第三方庫。
總而言之，如果你不喜歡折騰就用用Anaconda，喜歡折騰可以試試自己配置或者用Miniconda。
