python(x,y)和winpython都是开源项目，其项目负责人都是pierre
raybaut。按pierre自己的说法是“winpython不是试图取替python(x,y)，而是出于不同动机和理念：更灵活、易于维护、可移动、对操作系统侵略性更小，但是用户友好性更差、包更少、没有同windows资源管理器集成。”。参考1里面说python(x,y)不是很稳定，此外看它目前的更新不是很频繁，确实有可能pierre后来的工作重心放在winpython上了。
canopy和anaconda是公司推的，带免费版和商业版/插件。这两款发行版也牵扯到一个人，那就是travis
oliphant。travis是scipy的原始作者，同时也是numpy的贡献者。travis在2008年以副总裁身份加入
enthought，2012年以总裁的身份离开，创立了一个新公司continuum.io，并推出了python的科学计算平台anaconda。
anaconda相对canopy支持python的版本更多，对python新版本支持跟的很紧（sage不支持python3.x的理由是因为其依赖的scipy还不支持python3，而anaconda却实现了支持python3.3和3.4，这就说明问题了），此外其在linux平台下（通过conda管理）安装更方便。[原创]选择python科学计算发行版两者使用的是相同的界面–spyder。到底有什么区别呢，哪个更好一些？回复内容：
不请自来。本问题回答于2015年末，未来可能会出现个人不同意当前观点的状况。种种迹象表明，从13-14年开始在科学计算领域使用anaconda对于我确实是一个不错的选择。作为一个“科学计算发行版”，而不是一个专用于其他功能的发行版，我会给anaconda 9分（满分10）pros：1 anaconda 作为科学计算/数据挖掘的工具效能让人满意。我认为一些科学计算必要的工具在anaconda中默认安装：numpy+scipy的底层组合pandas对结构化/非结构化数据的转换以及灵活的处理statsmodels，scikit-learn、networkx等对于数据挖掘的支持在anaconda里面是默认安装的当然工作中我还会关注一些conda没有收录的可爱功能，这其中包括：词云绘图工具wordcloud社交网络挖掘的louvain算法gradient boosting工具xgboost更多功能大家自己到github, bitbucket, sourceforge等都可以找到，就不赘述。2 anaconda 作为知识传导的工具令人满意。在其他回答中我看到了有人提到ipython notebook无法正常工作，新手应该注意一下不要在翻墙的同时使用这个功能，它的原理是本地开端口建立一个server，在浏览器中可以打开ipynb文档，开启python kernel，执行代码以及写markdown风格的文档。我从ipython 2.x的版本一直用到4.0（已经更名为jupyter），这个工具可以同时支持python、julia和r脚本的notebook，实现图文码并茂的文档。它的好处就是，html可以置于服务器端，而notebook可以直接共享给他人或者放在github上。当我提到绘图的时候，我的意思是bokeh。基于bokeh.js，你的静态图和动图都可以放在ipython notebook里面或者使用bokeh-server写在服务器上。python和javascript之间交换数据我没有感觉到丝毫的不适，而bokeh本身对于高等、低等图形元素的设计让人感觉恰到好处。作为一个processing2和r ggplot2的前用户，上手bokeh花了大概1-2天。（小广告：出于私心推荐processing 3，现在支持python。值得上手一玩）图文码并茂的文档我私人观点认为，未来是一个大方向：一个200人的公司，下至你手底下的小卒，上至ceo，都会从文档中获取他们需要整合的信息。作为数据分析师，数据科学家这种有些容易被码工鄙视实干不足，又被运营嗤之以鼻不够业务敏感不接地气的岗位，用数据讲出你想讲出的李菊福的故事应该是基本功。3 anaconda的工具生态圈让我觉察到了它未来的布局或者说野心。且不说win/macos/linux通吃，请看如下链接中的pdf链接 learn more about anacondaanaconda提出了数据科学生态圈的概念，我认为这是经过凝练浓缩之后的总结出来的一套方法论。数据整合、探索、统计分析、挖掘、预测（见第一点）数据的仪表板、故事板乃至bi工具（见第二点）代码底层加速能力：合理利用cpu（blaze生态系统，intel mkl）、gpu（cuda jit）、spark企业工具：本地部署的协作开发平台wakari、本地定制化部署的hadoop spark（已有docker）结合方法论提供解决别人痛点的工具是虚幻的，所以continuum analytics自己也做数据、算法的咨询服务。我认为有一大批压根没有远见的、没有真正以数据为核心做数据科学的所谓大数据公司，他们是真正好用技术的怀疑论者，我向来是无视的。cons：1 技术群里面很多小伙伴反馈说conda生态圈更新慢。一般会晚1-2个月，比如ipython 4.0或者说python 3.5的整合。我希望有的是稳定、简单的版本，对更新的需求可以压抑一下。2 有些本来可以免费找到的资源在anaconda中收费，比如numpy w/ intel mkl。而且，个人无法负担本地部署的wakari企业级协作开发产品和hadoop spark集群产品。如果你有兴趣可以写邮件quote之。3 回头看到题主提到的spyder我跟你说我强迫症又犯了。spyder作为ide提供的是类似matlab或者rstudio的体验，python作为开发语言，除了ipython notebook以外，我建议你从以下2个工具里2选1，这2个可都不是anaconda自带的工具了。pycharm，jetbrains的精品，win/macos/linux全平台。不多解释了。sublime text 3，编辑器里我用着挺顺手（代码风格检查、高亮、代码上传、多翻译器切换）那些说vim的，你过来咬我啊！================================================================作为一个anaconda的收费产品使用者，我得承认在几乎所有的技术群里面我表现的都像官托。管它呢！life is short, no bb.
用过两个软件后，我发现自己偏爱anaconda啊！大家都喜欢美观易用的user interface，这样的话anaconda是个不错的选择，界面漂亮，更方便管理那些libraries，而且会对版本更新比较勤快。其实说实话，我原来都是自己手动安装所有的libraries的，从来不借助这些第三方软件，感觉这样比较cool，可是经常会出现那些停留在python2.x的libraries，还要自己动手修改代码，才可以用，真是痛心疾首，后来找了很多的第三方，比如题主说的 （x，y）python，anaconda，还有enthought，winpython。后来综合考虑了，软件的美观程度，版本兼容性，更新频率，管理难易程度，我还是选择了anaconda这条大水蟒。一般堆代码也都是在ipython notebook里面完成的，很少去spyder里面编辑，毕竟能少打开一个软件窗口就要节省一个窗口，而且整合在浏览器中的ipython notebook对代码每一步的测试很好用，命令行和批处理完美的融合在了一起，而且学会了markdown语言后，整个就是一个笔记本，无论是图片，视频，数学公式，还是项目列表，表格，各种格式的文本都可以在一个ipnb文件里完成。是科学工作者和程序员的好笔记本，只有更爱它。可以插入图片
可以插入网页
可以插入网页
可以绘制表格可以绘制表格
可以嵌入网络链接可以嵌入网络链接
可以直接绘图
可以编辑数学公式可以编辑数学公式
对 pandas 的良好支持对 pandas 的良好支持
anaconda 和 winpython 都用过，anaconda用得少些，windows下主要用winpython。python如果不是做开发的话，相比spyder, 用ipython notebook是更好的选择.有关两者的区别就我了解有如下几点：1，我曾经让学生装anaconda作为python课上的使用软件，但是不少同学安装都出现问题，最主要的就是ipython notebook用不了，而后改用winpython，出现问题的情况变少了。这发生在2013年，之后上课就统一用winpython了。2，winpython脱胎于pythonxy，面向科学计算，兼顾数据分析与挖掘，；而anaconda主要面向数据分析与挖掘方面，在大数据处理方面有自己特色的一些包, 据说在极大的矩阵运算方面速度很快。3，winpython强调便携性，被做成绿色软件，不写入注册表，安装其实就是解压到某个文件夹，移动文件夹甚至放到u盘里在其他电脑上也能用。anaconda则算是传统的软件模式。4，winpython是由个人维护；anaconda是由一家数据分析服务公司维护；这个区别意味着winpython在很多方面都从简，而anaconda会提供一些人性化设置。5，winpython 只能在windows上用，anaconda则有linux的版本。大致就这些，其实两个集成平台最大的区别还是其集成的软件包的区别，在windows下装python的包容易出问题，你需要哪些包，而其中一个有，那就选那个。抛开软件包的差异，我个人推荐初学者用winpython，我觉得它似乎正因为其简单，问题也少点，由于便携性的特点系统坏了，重装后也能直接用。最后一个建议，用python时间长了，最终还是会在linux下用的。windows下太缚手缚脚了。
anaconda在win 下各种崩溃，还是用winpython吧。我是win7，用的最新版和11月的次新版。
没用过winpython，只用过anaconda用了anaconda觉得已经很好用了
jp morgan和credit suisse用anaconda，朋友告诉我citi也是用那个。看看哪个你们行业用的广泛就用哪个呗～
linux –> anaconda windows –> winpython anaconda在windows环境下问题多，notebook用不了。
在 windows 下我推荐 anaconda，或者说其背后的 conda 包管理系统。它提供了和 pip 类似的管理功能并且有所增强（例如支持 env），并且，所有的包都是编译好的，不必像 pip 那样安装 numpy 和 scipy 时折腾许久。如果觉得默认包配置太累赘的话，完全可以下载 conda 最小包 miniconda （miniconda — conda）来进行安装
据说anaconda的源在墙外，访问不稳定。我用anaconda安装r语言支持，一直没成功。an unexpected error has occurred, please consider sending the:–:– 0.00 b/sfollowing traceback to the conda github issue tracker at:https://github.com/conda/conda/issuesinclude the output of the command ‘conda info’ in your report.traceback (most recent call last): file “/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py”, line 226, in _error_catcher yield file “/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py”, line 301, in read data = self._fp.read(amt) file “/opt/conda/lib/python3.5/http/client.py”, line 433, in read n = self.readinto(b) file “/opt/conda/lib/python3.5/http/client.py”, line 473, in readinto n = self.fp.readinto(b) file “/opt/conda/lib/python3.5/socket.py”, line 575, in readinto return self._sock.recv_into(b) file “/opt/conda/lib/python3.5/ssl.py”, line 924, in recv_into return self.read(nbytes, buffer) file “/opt/conda/lib/python3.5/ssl.py”, line 786, in read return self._sslobj.read(len, buffer) file “/opt/conda/lib/python3.5/ssl.py”, line 570, in read v = self._sslobj.read(len, buffer)connectionreseterror: [errno 104] connection reset by peerduring handling of the above exception, another exception occurred:traceback (most recent call last): file “/opt/conda/bin/conda”, line 5, in sys.exit(main()) file “/opt/conda/lib/python3.5/site-packages/conda/cli/main.py”, line 173, in main args_func(args, p) file “/opt/conda/lib/python3.5/site-packages/conda/cli/main.py”, line 180, in args_func args.func(args, p) file “/opt/conda/lib/python3.5/site-packages/conda/cli/main_install.py”, line 45, in execute install.install(args, parser, ‘install’) file “/opt/conda/lib/python3.5/site-packages/conda/cli/install.py”, line 423, in install plan.execute_actions(actions, index, verbose=not args.quiet) file “/opt/conda/lib/python3.5/site-packages/conda/plan.py”, line 538, in execute_actions inst.execute_instructions(plan, index, verbose) file “/opt/conda/lib/python3.5/site-packages/conda/instructions.py”, line 148, in execute_instructions cmd(state, arg) file “/opt/conda/lib/python3.5/site-packages/conda/instructions.py”, line 52, in fetch_cmd fetch(state[‘index’], arg) file “/opt/conda/lib/python3.5/site-packages/conda/instructions.py”, line 48, in fetch fetch_pkg(index[fn]) file “/opt/conda/lib/python3.5/site-packages/conda/fetch.py”, line 296, in fetch_pkg download(url, path, session=session, md5=info[‘md5’], urlstxt=true) file “/opt/conda/lib/python3.5/site-packages/conda/fetch.py”, line 376, in download chunk = resp.raw.read(2**14) file “/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py”, line 311, in read flush_decoder = true file “/opt/conda/lib/python3.5/contextlib.py”, line 77, in __exit__ self.gen.throw(type, value, traceback) file “/opt/conda/lib/python3.5/site-packages/requests/packages/urllib3/response.py”, line 244, in _error_catcher raise protocolerror(‘connection broken: %r’ % e, e)requests.packages.urllib3.exceptions.protocolerror: (“connection broken: connectionreseterror(104, ‘connection reset by peer’)”, connectionreseterror(104, ‘connection reset by peer’))the command ‘/bin/sh -c conda install –yes rpy2 r-base r-irkernel r-plyr r-devtools r-dplyr r-ggplot2 r-tidyr r-shiny r-rmarkdown r-forecast r-stringr r-rsqlite r-reshape2 r-nycflights13 r-caret r-rcurl r-randomforest’ returned a non-zero code: 1
我来安利一下canopy。主界面长这样，
目前最新的版本是1.7。如果你还是学生，可以用学校邮箱注册账号登录，解锁debug 功能。重点安利它家的package manager 功能，界面长这样，
可视化的安装界面，妈妈再也不用担心我的package 缺失/版本混乱/安装路径不明啦！canopy 为您贴心准备了所有常用的科学计算包，包括大名鼎鼎的numpy，scipy，pandas等等。numpy 的安装情况长这样，
连pip install 都不用啦！鼠标点点，安装卸载轻轻松松。甚至可以回溯历史版本！是否过于炸裂！同时canopy 对于jupyter notebook 的支持也很棒，可以在editor 里直接查看、编辑。个人认为canopy 最棒的一点是如果在安装时将它设置为default ，之后就不需要担心python 的编译环境了。canopy 自动为你创建出一个virtualenv，使你专心于具体的实现，不必担心底层的情况。最后，pycharm 也是极好的！然而我用sublime text 码代码。。。（一黑黑俩