Anaconda 与 miniconda 对比-IT科技

摘要：问题描述：在Anaconda 存储库中，有两种类型的安装程序：“ Anaconda 安装程序”和“ Miniconda 安装程序” 。它们之间有什么区别？此外，对于安装程序文件，代表Anaconda2-4.4.0.1-Linux-ppc64le.sh什么？2-4.4.0.1解决方案 1：根据原始文档：如果您符...

问题描述：

在Anaconda 存储库中，有两种类型的安装程序：

“ Anaconda 安装程序”和“ Miniconda 安装程序” 。

它们之间有什么区别？

此外，对于安装程序文件，代表Anaconda2-4.4.0.1-Linux-ppc64le.sh什么？2-4.4.0.1

解决方案 1：

根据原始文档：

如果您符合以下条件，请选择 Anaconda：

不熟悉 conda 或 Python
喜欢一次性自动安装 Python 和超过 1500 个科学软件包的便利
有时间和磁盘空间（几分钟和 3 GB），和/或
不想单独安装每个想要使用的软件包。

如果您符合以下条件，请选择 Miniconda：

不要介意单独安装每个您想要使用的软件包。
没有时间或磁盘空间来一次安装超过 1500 个软件包，和/或
只想快速访问 Python 和 conda 命令，并希望稍后整理其他程序。

我自己使用 Miniconda。Anaconda 很臃肿。许多软件包从未使用过，如果需要，仍可以轻松安装。

请注意，Conda是软件包管理器（例如，conda list显示环境中所有已安装的软件包），而 Anaconda 和 Miniconda 是发行版。软件发行版是预先构建和预先配置的软件包的集合，可以在系统上安装和使用。软件包管理器是一种自动执行安装、更新和删除软件包过程的工具。

Anaconda 是 PyData 生态系统中核心软件的完整发行版，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，仅包含 Conda、其依赖项和 Python。来源。

安装 Conda 后，您可以从头开始安装所需的任何包以及任何所需的 Python 版本。

2-4.4.0.1是 Anaconda 安装包的版本号。奇怪的是，它没有列在旧包列表中。

2016 年 4 月，为了避免与 Python 版本 2 和 3 混淆，Anaconda 版本从 2.5 升级到 4.0。版本 4.0 包含 Anaconda Navigator。

后续版本的发行说明可在此处找到。

许可说明：Anaconda 背后的公司于 2020 年更新了其服务条款，禁止大多数用途的商业使用。除非您获得许可，否则您不得在拥有 200 多名员工的企业中使用 Anaconda 或 Miniconda。请在此处查看当前许可条款。

解决方案 2：

不同之处在于 miniconda 只附带存储库管理系统。因此，当您安装它时，只有管理系统，没有软件包。而 Anaconda 就像一个带有一些内置软件包的发行版。

与任何 Linux 发行版一样，有些版本会捆绑包含的软件包的大量更新。这就是版本编号存在差异的原因。如果您只决定升级 Anaconda，那么您将更新整个系统。

编辑现在包管理方面有了新的选项。mamba可以作为的替代品conda。它有一个更快的解算器，并且是用 C++ 完全重写的。该解算器实际上在实验中可用conda。如果你想了解更多，--experimental-solver=libmamba可以查找以下关键词：mamba、、mambaforge。micromamba

解决方案 3：

简短的

conda既是命令行工具，又是 Python 包。用 Python 编写的命令行工具，用于管理包（不仅仅是 Python 包）。

Miniconda 安装程序 = Python +conda

Anaconda 安装程序 = Python conda++元包 anaconda

meta Python pkg anaconda= 约 160 个用于数据科学日常使用的 Python pkg

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

细节

conda是一个 Python 管理器和环境管理器，它可以

* 安装包`conda install flake8`
* 使用任意版本的 Python 创建环境`conda create -n myenv python=3.6`

Miniconda 安装程序 = Python +conda

conda包管理器和环境管理器是一个 Python 包。因此 Python 捆绑在 Miniconda 安装程序中。由于 conda 分发 Python 解释器时会附带自己的库/依赖项，但不会附带操作系统上现有的库/依赖项，因此也会安装其他最小依赖项openssl，如ncurses、、等。sqlite

基本上，Miniconda 只是conda及其最小依赖项。并且安装的环境conda是“基础”环境，以前称为“根”环境。

Anaconda 安装程序 = Python conda++ 元包anaconda
元 Python 包anaconda= 约 160 个用于数据科学日常使用的 Python 包

元包是那些不包含实际软件而仅仅依赖于其他要安装的包的包。

anaconda从Anaconda Cloud下载元包并提取其中的内容。实际要安装的 160 多个包列在中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
        # ...

meta pkg 预安装的软件包anaconda主要用于网络抓取和数据科学。例如requests，，，，等beautifulsoup。numpy`nltk`

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

Miniconda2 与 Miniconda。Anaconda2 与 Anaconda。

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

解决方案 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，该工具作为面向 Python 包的跨平台包管理器运行，其精神类似于 Linux 用户可能熟悉的 apt 或 yum 工具。

Anaconda 包含 Python 和 conda，此外还捆绑了一套其他预安装的科学计算软件包。由于此软件包的大小，预计安装将占用几 GB 的磁盘空间。

资料来源：Jake VanderPlas 的《Python 数据科学手册》

解决方案 5：

in表示 Python 的主版本将是 2.x，而不是中安装的 3.x。2当前版本有 Python 2.7.13。Anaconda2`Anaconda3`

是4.4.0.1Anaconda 的版本号。目前宣传的版本是4.4.0，我假设.1是次要版本或用于其他类似用途。我使用的 Windows 版本4.4.0在文件名中仅显示。

其他人现在已经解释了 Anaconda 和 Miniconda 之间的区别，所以我将跳过这一部分。

解决方案 6：

Anaconda 的安装非常大~2 GB，对于不熟悉使用其他包管理器安装模块或包的用户来说最有用。

Anaconda 似乎在宣传自己是 Jupyter 的官方软件包管理器。但事实并非如此。Anaconda 在其安装中捆绑了 Jupyter、R、python 和许多软件包。

安装 Jupyter Lab 或 R 内核不需要 Anaconda。其他地方有很多关于安装 Jupyter Lab 或 Notebooks 的信息。其他地方也有很多关于安装 R studio 的信息。以下显示了如何直接从 R Studio 安装 R 内核：

要安装 R 内核（无需 Anaconda），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()

完成。下次打开 Jupyter 时，R 内核将可用。

解决方案 7：

Anaconda 和 miniconda 都使用conda包管理器。但是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 发行版仅为管理系统，没有任何预装软件包。如果使用 miniconda，则必须单独下载各个软件包和库。

我个人使用 Anaconda 发行版，因为我不需要太担心单个软件包的安装。

miniconda 的一个缺点是安装每个单独的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。

但是，anaconda 中有一些包（QtConsole、Glueviz、Orange3）我从来没有用过。我甚至不知道它们的用途。所以 anaconda 的一个缺点是它占用的空间比需要的多。