Anaconda与miniconda

Question

在Anaconda存储库中,有两种类型的安装程序:

"Anaconda安装人员"和"Miniconda安装人员".

他们有什么不同？此外,对于安装程序文件,Anaconda2-4.4.0.1-Linux-ppc64le.sh,这是什么2-4.4.0.1立场？

Answer 1

根据原始文档(链接现已死):

如果你选择Anaconda:

• 是conda或Python的新手
• 就像让Python和150多个科学软件包一次自动安装一样方便
• 有时间和磁盘空间(几分钟和3 GB),和/或
• 不想安装要单独使用的每个软件包.

如果你选择Miniconda:

• 不要介意安装您想要单独使用的每个软件包.
• 没有时间或磁盘空间一次安装超过150个包,和/或
• 只是想快速访问Python和conda命令,并希望以后整理其他程序.

我自己用Miniconda.蟒蛇臃肿.许多软件包从未使用过,如果需要,仍然可以轻松安装.

请注意,Conda是包管理器(例如,conda list显示环境中所有已安装的包),而Anaconda和Miniconda是分发.软件分发是预先构建和预配置的软件包的集合,可以在系统上安装和使用.包管理器是一种自动执行安装,更新和删除包的过程的工具.

Anaconda是PyData生态系统中的中央软件的完整发行版,包括Python本身以及数百个第三方开源项目的二进制文件.Miniconda本质上是一个空的conda环境的安装程序,只包含Conda,它的依赖项和Python. 来源.

一旦安装了Conda,您就可以从头开始安装所需的任何软件包以及任何所需的Python版本.

2-4.4.0.1是Anaconda安装包的版本号.奇怪的是,它没有在旧套餐列表中列出.

2016年4月,Anaconda版本从2.5跳到4.0,以避免与Python版本2和3混淆.版本4.0包括Anaconda Navigator.

可在此处找到后续版本的发行说明.

Answer 2

不同之处在于miniconda只是运送存储库管理系统.因此,当您安装它时,只有没有包的管理系统.而对于Anaconda,它就像一个包含一些内置包的发行版.

与任何Linux发行版一样,有一些发行版捆绑了包含的大量更新.这就是版本编号存在差异的原因.如果您只决定升级Anaconda,则表示您正在更新整个系统.

Answer 3

简短的

conda 既是一个命令行工具，又是一个 python 包。

Miniconda 安装程序 = Python + conda

Anaconda 安装程序 = Python conda++元包 anaconda

meta Python pkg anaconda= 大约 160 个Python pkg，用于数据科学的日常使用

Anaconda 安装程序 = Miniconda 安装程序 + conda install anaconda

细节

1. conda 是一个 python 管理器和一个环境管理器，这使得

   • 安装包 conda install flake8
   • 使用任何版本的 Python 创建一个环境 conda create -n myenv python=3.6

2. Miniconda 安装程序 = Python + conda

   conda，包管理器和环境管理器，是一个 Python 包。所以 Python 捆绑在 Miniconda 安装程序中。原因畅达分发Python解释器与它自己的库/依存关系，但不是你的操作系统上现有的其他最小的相关喜欢openssl，ncurses，sqlite，等还安装了。

   基本上，Miniconda 只是conda它的最小依赖项。conda安装的环境是“基础”环境，以前称为“根”环境。

3. Anaconda 安装程序 = Python conda++ 元包anaconda

4. 元 Python 包anaconda= 大约 160 个Python 包，用于数据科学的日常使用

   元软件包，是不包含实际软件的软件包，仅依赖于要安装的其他软件包。

   anaconda从Anaconda Cloud下载元数据包并从中提取内容。要安装的实际 160 多个软件包列在info/recipe/meta.yaml.

   package:
       name: anaconda
       version: '2019.07'
   build:
       ignore_run_exports:
           - '*'
       number: '0'
       pin_depends: strict
       string: py36_0
   requirements:
       build:
           - python 3.6.8 haf84260_0
       is_meta_pkg:
           - true
       run:
           - alabaster 0.7.12 py36_0
           - anaconda-client 1.7.2 py36_0
           - anaconda-project 0.8.3 py_0
           # ...
           - beautifulsoup4 4.7.1 py36_1
           # ...
           - curl 7.65.2 ha441bb4_0
           # ...
           - hdf5 1.10.4 hfa1e0ec_0
           # ...
           - ipykernel 5.1.1 py36h39e3cac_0
           - ipython 7.6.1 py36h39e3cac_0
           - ipython_genutils 0.2.0 py36h241746c_0
           - ipywidgets 7.5.0 py_0
           # ...
           - jupyter 1.0.0 py36_7
           - jupyter_client 5.3.1 py_0
           - jupyter_console 6.0.0 py36_0
           - jupyter_core 4.5.0 py_0
           - jupyterlab 1.0.2 py36hf63ae98_0
           - jupyterlab_server 1.0.0 py_0
           # ...
           - matplotlib 3.1.0 py36h54f8f79_0
           # ...
           - mkl 2019.4 233
           - mkl-service 2.0.2 py36h1de35cc_0
           - mkl_fft 1.0.12 py36h5e564d8_0
           - mkl_random 1.0.2 py36h27c97d8_0
           # ...
           - nltk 3.4.4 py36_0
           # ...
           - numpy 1.16.4 py36hacdab7b_0
           - numpy-base 1.16.4 py36h6575580_0
           - numpydoc 0.9.1 py_0
           # ...
           - pandas 0.24.2 py36h0a44026_0
           - pandoc 2.2.3.2 0
           # ...
           - pillow 6.1.0 py36hb68e598_0
           # ...
           - pyqt 5.9.2 py36h655552a_2
           # ...
           - qt 5.9.7 h468cd18_1
           - qtawesome 0.5.7 py36_1
           - qtconsole 4.5.1 py_0
           - qtpy 1.8.0 py_0
           # ...
           - requests 2.22.0 py36_0
           # ...
           - sphinx 2.1.2 py_0
           - sphinxcontrib 1.0 py36_1
           - sphinxcontrib-applehelp 1.0.1 py_0
           - sphinxcontrib-devhelp 1.0.1 py_0
           - sphinxcontrib-htmlhelp 1.0.2 py_0
           - sphinxcontrib-jsmath 1.0.1 py_0
           - sphinxcontrib-qthelp 1.0.2 py_0
           - sphinxcontrib-serializinghtml 1.1.3 py_0
           - sphinxcontrib-websupport 1.1.2 py_0
           - spyder 3.3.6 py36_0
           - spyder-kernels 0.5.1 py36_0
           # ...
   

   来自 meta pkg 的预安装包anaconda主要用于网络抓取和数据科学。像requests，beautifulsoup，numpy，nltk，等。

   如果您安装了 Miniconda，conda install anaconda将使其与 Anaconda 安装相同，只是安装文件夹名称不同。

5. Miniconda2 与 Miniconda。Anaconda2 与 Anaconda。

   2意味着conda在“基础”环境中捆绑的 Python 解释器是 Python 2，而不是 Python 3。

Answer 4

Miniconda为您提供了Python解释器本身,以及一个名为conda的命令行工具,它作为面向Python包的跨平台包管理器运行,与Linux用户可能熟悉的apt或yum工具类似.

Anaconda包括Python和conda,另外还捆绑了一套其他预装的包,用于科学计算.由于此捆绑包的大小,预计安装会占用几千兆字节的磁盘空间.

资料来源:Jake VanderPlas的Python数据科学手册

Answer 5

在2中Anaconda2,这意味着Python的主要版本将2.x的,而不是安装在3.x Anaconda3.当前版本具有Python 2.7.13.

这4.4.0.1是Anaconda的版本号.目前的广告版本是4.4.0,我认为它.1是次要版本或其他类似用途.我使用的Windows版本只是4.4.0在文件名中说.

其他人现在解释了Anaconda和Miniconda之间的区别,所以我会跳过它.

Answer 6

Anaconda 和 miniconda 都使用conda包管理器。然而， Anaconda和miniconda之间的主要区别在于

Anaconda 发行版预装了所有软件包，而 miniconda 发行版只是管理系统，没有任何预加载的软件包。如果使用 miniconda，则必须单独下载单独的包和库。

我个人使用 Anaconda 发行版，因为我实际上不必太担心单个软件包的安装。

miniconda 的缺点是安装每个单独的软件包可能需要很长时间。相比之下，安装和使用 Anaconda 所需的时间要少得多。

然而，anaconda 中有一些包（QtConsole、Glueviz、Orange3）我从未使用过。我什至不知道他们的目的。所以 anaconda 的一个缺点是它占用的空间比需要的多。

Answer 7

Anaconda 是一个非常大的安装 ~ 2 GB，对于那些不熟悉使用其他包管理器安装模块或包的用户最有用。

Anaconda 似乎在宣传自己是 Jupyter 的官方包管理器。它不是。Anaconda 捆绑了 Jupyter、R、python 和许多安装包。

安装 Jupyter Lab 或 R 内核不需要 Anaconda。其他地方有大量信息可用于安装 Jupyter Lab 或 Notebooks。其他地方也有很多关于安装 R studio 的信息。下面显示了如何直接从 R Studio 安装 R 内核：

要在没有 Anaconda 的情况下安装 R 内核，请启动 R Studio。在 R 终端窗口中输入以下三个命令：

install.packages("devtools")
devtools::install_github("IRkernel/IRkernel")
IRkernel::installspec()

完毕。下次打开 Jupyter 时，R 内核将可用。