Standard Python vs Anaconda

Ein kurzer Überblick

Standard Python vs Anaconda.
Was ist Anaconda und wo liegen die Unterschiede?

Beide haben ihre Vorteile und Anwendungsgebiete.
Hier will ich kurz darauf eingehen und dir einen schnellen Überblick verschaffen.

Unser Ziel:
Am Ende kennst du die Vor- und Nachteile von Standard Python bzw. Anaconda.
Du kannst besser beurteilen, wann du wem den Vorzug geben solltest und welche Konsequenzen das hat.

Inhalt:
    Add a header to begin generating the table of contents
    Python Logo

    VS

    Logo Anaconda

    Allgemeines

    Die Diskussion ob nun der Standard Python oder Anaconda Umgebung der Vorzug gegeben sollte ist lang.
    Beides hat seine Vor- und natürlich auch Nachteile.
    Egal welche Meinung du vertrittst, du solltest zumindest einen groben Überblick über die Eigenschaften des jeweiligen Vertreters haben um dementsprechend besser urteilen zu können. 

    Oftmals geht es auch gar nicht um den eigenen Standpunkt, sondern um projektspezifische Anforderungen.
    Du arbeitest in einer Konzernstruktur mit administriertem Windows und schreibst eine DataScience Anwendung?
    Oder soll eine Anwendung für ein embedded System entwickelt werden bei der Ressourcen hohe Priorität haben?
    Vielleicht geht es einfach nur um eine Proof-of-Concept Entwicklung, die später sowieso abgelöst wird?

    Standard Python

    Wie die Überschrift schon sagt ist Standard Python nun mal der Standard.
    Dabei geht es um die offiziell entwickelte und veröffentlichte Version.
    Die jeweils aktuelle Version kann auf der offiziellen Webseite der Python Software Foundation herunter geladen werden.

    Der Python Standard umfasst alle notwendigen Pakete um mit der Entwicklung zu starten.
    Versucht aber gezielt den Umfang klein zu halten und verzichtet damit auf Komfort.

    Willst du eine schlanke Umgebung mit aktuellen Paketen nutzen, bist du hier richtig aufgehoben.

    Vorteile

    •  Schlanke Installation
    • Offizieller Standard
    • Nur Pakete die explizit installiert werden
    • Keine kommerzielle Firma dahinter

    Nachteile

    • Nicht alle Paket-Abhängigkeiten in allen Umgebungen auflösbar (DataScience unter Windows)
    • Manueller Download verschiedener Versionen bevor eine Umgebung erstellt werden kann

    Anaconda

    Bei Anaconda handelt es sich um eine Python-Distribution.
    Es steckt also im Kern auch Python.
    Allerdings erweitert um ein paar Komfort-Funktionen wie einen erweiterten Paket-Manager und damit erweiterte Paket-Quellen.
    Auch ein paar Werkzeuge wie Jupyter Notebooks und eine eigene Konsole sind bereits mit an Board.

    Die jeweils aktuelle Version kann auf der offiziellen Webseite der Firma Anaconda herunter geladen werden.

    Gerade für das Geschäftsumfeld interessant bietet Anaconda auch die Möglichkeit verschiedene Lizenzen.
    Mit diesen können natürlich auch Support und extra Services dazu gekauft werden.

    Möchtest du eine komfortable Umgebung, bei der du dich nicht um viel kümmern musst und nimmst dafür den etwas größeren Umfang in Kauf, bist du bei Anaconda an der richtigen Stelle.

    Vorteile

    • Konsistent über alle Platformen
    • Installiert auch in Windows-Umgebungen alle Abhängigkeiten korrekt (Data Science)
    •  Jupyter Notebook schon enthalten
    • Automatischer Download verschiedener Versionen beim erzeugen einer Virtuellen Umgebung
    • Keine Probleme mit Berechtigungen bei Firmen-Computern
    • Zugang zu weiteren Paketquellen neben pip
    • Optimierung für DataScience und somit geringere Ausführungszeiten
    • Anaconda ist eine Firma – Es gibt also Support Möglichkeiten

    Nachteile

    • Pakete sind nicht immer auf dem aktuellsten Stand
    • In neu erzeugte Umgebungen werden bereits ein paar Pakete installiert, die im Zweifel gar nicht gebraucht werden

    Fazit

    Besondere Anforderungen von Kunden oder Projekten stehen natürlich immer an erster Stelle der Entscheidung.
    Nachdem diese berücksichtigt sind tendiere ich immer zu Anaconda.

    Es ist einfach und bequem eine neue Umgebung in jeder möglichen Version zu erzeugen.
    Zusätzlich muss ich mir keine Gedanken darüber machen ob ich gerade mit einem Windows, MacOS oder Linux arbeite.
    Und es spielt keine Rolle, ob ich einfach nur ein kleines Skript schreibe oder in der Webentwicklung arbeite.
    Auch oder gerade DataScience Anwendungen lassen sich mit Anaconda einfach umsetze.
    Alle Pakete die ich brauche sind einfach zu installieren.

    Weiterführendes

    Du möchtest eine Standard Python Umgebung installieren? Klicke hier!

    Eine Anaconda Umgebung sagt dir mehr zu? Klicke hier!

    Kommentar verfassen

    Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

    Scroll to Top