大家好，今天小编关注到一个比较有意思的话题，就是关于python掌控板编程的问题，于是小编就整理了1个相关介绍Python掌控板编程的解答，让我们一起看看吧。
为什么有些人宁愿花费很多时间去自己手工配置Python环境, 也不用Anaconda？
我是python自学者，有点体会不得不说，我接触anaconda是因为网上有些视频教的代码编写，是在jupyter上操作的，我前期配置的pycharm里面没有jupyter，因为在自己的pycharm里面测试不出来简单的代码的运行，为了想要个结果，这才从网上了解到anaconda能使用jupyter,才从网上下载anaconda.
在使用jupyter中才慢慢了解anaconda是管理这些环境的软件，但是网上带着新手去入门anaconda的讲解少之又少，有了，因为基础问题又看不懂，以简入深的***反正我没找到，所以这就是我没开始用的原因。
希望提出问题的人多开源点anaconda的免费讲解，让我们迈过高高的门槛，进入大门。
配置是需要花时间的，花时间是很累的，或者说学习时间陡峭。在anaconda之前，原来python的pandas，numpy，scipy，matplotlib这些科学套件安装就有各类trick。导致安装不友好，所以anaconda是从科学计算入门占有市场的……
搞这部分的人，一部分人是researcher，一部分人是engineer，前者通常代码稀烂，根本不想浪费太多时间在安装包上。后者呢，则不一样，他的身份注定了他掌握了相对全面的计算机科学知识体系，因为配置对他来说不是问题啊。
我用Anaconda，但我更喜欢自己手工配置Python环境。如果把配置环境看做生娃，Anaconda是直接给你生了娃，告诉你要做父母了。手工配置则是你亲自生娃，痛并快乐着。所以，手工配置通常更多的会是两种情况，一种是初学者，不知道/不会用Anaconda。另一种是享受党，他们热衷于看到由自己一砖一瓦搭建的家园。你看那些在我的世界了搭建计算机的娃，他们要是不快乐的话，干嘛这么折腾自己。
手工配置更重要是记得一个最重要的原则，永远不要只依赖于一件事物，否则你拥有不了自由。
配置python环境还是很简单的，安装python后，其实已经配置了完整的配置，随着pip安装第三方包的出现，更加方便的使用python了，几年前使用python时，安装第三方包是一件很头疼的事情，当时最好的选择是anaconda，毕竟可以方便安装第三方库，且管理安装包很是方便，但是现在完全可以在cmd命令框里安装卸载第三方包，且可以自动安装其依赖的其它库，anaconda的优势也不是很明显了
anaconda是方便，但是当你要Python 为exe 的时候，会打出一个几百M的exe。因为anaconda包含了很多库，只要有一点引用关系就全打包了，很难搞。
python门槛相对较低，使用者大体分为两类，一类是算法研究人员，另一类是专业程序员。前者比较倾向于直接使用最简单的配置方法，用anaconda，后者则倾向于自己动手。
专业程序员，往往具有以下这些特点：具有软件工程的思维，动不动就是需求分析、概要设计/详细设计、测试、实施、运维；追求性能；强调兼容性、可维护性、可测试性、稳定性；喜欢使用git、SVN等版本管理工具；最终作品常常用于生产环境，主要服务于用户。
而算法研究人员则有很大的不同。他们把python只是作为一个工具，用来探索算法、分析数据、总结规律的，甚至干脆就是用来写论文的。他们不太考虑性能、稳定性等问题。
最极端的例子，他们用python，花了很大精力，可能就得出一个y=ax+b，但是这个a和b就是精华，是极具技术含量的。而如何将这个公式放到生产环境，则是交给专业程序员。程序员可能会使用其他语言去实现它。
至于为什么专业程序员喜欢自己动手，这可能与他们平时的习惯有关，很多程序员都在Linux下进行开发，早都习惯了自己动手的思维模式，这和windows区别比较大。还有就是上面提到的，东西往往都要跑在生产环境(而不是理论研究)，需要考虑很多东西，追求灵活性和可掌控性，要的就是“一切尽在掌控之中”的感觉。
我们拿开车来说，有的人只是作为代步工具，自动挡，能开、[_a***_]、好看就行。而有的人是作为比赛工具(赛车手)或盈利工具(出租车)，区别就大了，大家可以自己体会。
到此，以上就是小编对于python掌控板编程的问题就介绍到这了，希望介绍关于python掌控板编程的1点解答对大家有用。
