与手动安装相比，各种Python包（EPD/Anaconda）的相对优点/缺点是什么？
我已经安装了EPD academic，我没有任何问题。它提供了我认为我将永远需要的更多软件包，并且使用enpkg enstaller进行更新非常容易。然而，环保署的学术执照需要每年更新一次，而免费版本并不容易更新。
目前，我只使用了少数几个包，比如Pandas、NumPy、SciPy、matplotlib、IPython、Statsmodels及其各自的依赖项。
对于这种有限的使用，我最好使用手动安装和pip安装——升级“软件包”，还是捆绑包提供除此之外的任何功能？
2015年更新：现在我总是推荐蟒蛇。它包括许多用于科学计算、数据科学、网络开发等的Python包。它还提供了一个高级环境工具，conda，允许在环境之间轻松切换，甚至在Python 2和3之间。它的更新速度也非常快，只要一个包的新版本发布了，你可以做conda更新Packagename来更新它。
原始答复如下：
在Windows上，复杂的是编译数学包，所以我认为只有当你只对Python感兴趣而没有其他包时，手动安装才是一个可行的选择。
因此，最好选择EPD（现在的Canopy）或Anaconda。
Anaconda拥有大约270个软件包，其中包括对大多数科学应用和数据分析最重要的软件包，即NumPy、SciPy、Pandas、IPython、matplotlib、Scikit learn。所以如果这对你来说足够的话，我会选择水蟒。
相反，如果您对其他软件包感兴趣，甚至如果您使用任何Enthound软件包（例如Chaco对于实时数据可视化非常有用），那么EPD/Canopy可能是更好的选择。学术版在基本安装中有更多的软件包，在存储库中有更多的软件包。巨蟒也包括查科。
去年我尝试了各种Windows发行版，试图为我的工作环境找到一个可使用的版本（在代理之后，但无法访问代理配置）。
以下是我的经验反馈：
EPD/Canopy：我们有EPD的许可证，但它很旧，由于奇怪的代理情况，我们无法更新。为了添加一些软件包（比如xlrd/xlwt的最新版本），我从源代码处编译。为了更新SciPy和NumPy，我使用了来自的预编译安装程序http://www.lfd.uci.edu/~gohlke/pythonlibs/，但它有时会破坏兼容性。我喜欢有一个完全配置的Py2exe和Cython，它只是开箱即用。
过了一段时间，我试着安装免费版本的Canopy，但它缺少Cython和py2exe以及我需要的一些特定的高级软件包，所以我从未真正使用过它。我的一些同事购买了完整的Canopy许可证，但我们仍然不确定他们将如何更新。。。
Python（x， y）：不想纠结于许可证，我在家里安装了Python（x， y）。我现在注意到的唯一缺点是标准安装要求您选择您想要的包。这既是好的，也是坏的，因为我不能确定我的客户端会有和我安装时完全相同的配置。可以在Python（x， y）中安装En想法工具套件。使用Python（x， y）一段时间后，我才注意到我安装了32位版本。虽然他们的网站上还不清楚，但截至2015年7月，他们似乎还没有64位版本。我要卸载它，并获得一个64位分发。
水蟒：当我第一次写这篇文章时，水蟒似乎还没有足够的包裹。几年后，它看起来好多了，我要试一试！
手册：为了避免与旧EPD版本的版本兼容性问题，我最终使用了手动Python安装，并从上面链接的LFD网站添加了额外的包。它工作得很好，但是我仍然建议需要高级包（如GDAL或PyFITS）的新用户使用Canopy。
总结：如果你去天篷，获得正式执照（学术或购买）。否则，使用Python（x，y），它最终会是相同的。
在Ubuntu上：不需要发行版。这都是相对较新的（ /-6个月是可以忍受的）和预编译的。你只需要执行sudo apt-get安装python python-sipy，它就在那里！最先进的软件包也在那里。
其他答案很好地涵盖了这一领域，因此我只想谈谈一个尚未有人提到的方面。它可能是相当合适的，但对于Linux系统下的一些人来说，它可能会制造或破坏蟒蛇或树冠：
Anaconda Python构建使用UCS4 Unicode模式，而Enthout Canopy使用UCS2。
实际上，这意味着，如果您依赖于任何因任何原因无法自行编译的扩展（例如预编译的专有库），如果它们碰巧不是为具有相同模式的Python版本构建的，您可能迟早会遇到类似于未定义符号：PyUnicodeUCS4\u AsUTF8String的错误。
根据PEP 0513，UCS4目前似乎更受欢迎和推荐。此外，整个UCS兼容性问题似乎只影响2。x和
