Python(x,y)和WinPython都是開源項目，其項目負責人都是PierreRaybaut。按Pierre自己的說法是“WinPython不是試圖取替Python(x,y)，而是出於不同動機和理念：更靈活、易於維護、可移動、對作業系統侵略性更小，但是方便使用性更差、包更少、沒有同Windows資源管理員整合。”。參考1
裡面說Python(x,y)不是很穩定，此外看它目前的更新不是很頻繁，確實有可能Pierre後來的工作重心放在WinPython上了。
Canopy和Anaconda是公司推的，帶免費版和商業版/外掛程式。這兩款發行版也牽扯到一個人，那就是TravisOliphant
。Travis是SciPy的原始作者，同時也是NumPy的貢獻者。Travis在2008年以副總裁身份加入Enthought，2012年以總裁的身份離開，創立了一個新公司continuum.io，並推出了Python的科學計算平台Anaconda。Anaconda相對Canopy支援Python的版本更多，對Python新版本支援跟的很緊（Sage
不支援Python3.x的理由是因為其依賴的SciPy還不支援Python3，而Anaconda卻實現了支援Python3.3和3.4，這就說明問題了），此外其在Linux平台下（通過conda管理）安裝更方便。
[原創]選擇Python科學計算髮行版
兩者使用的是相同的介面--spyder。到底有什麼區別呢，哪個更好一些？
回複內容：
不請自來。本問題回答於2015年末，未來可能會出現個人不同意當前觀點的狀況。
種種跡象表明，從13-14年開始在科學計算領域使用Anaconda對於我確實是一個不錯的選擇。作為一個“科學計算髮行版”，而不是一個專用於其他功能的發行版，我會給Anaconda 9分（滿分10）
Pros：
1 Anaconda 作為科學計算/資料採礦的工具效能讓人滿意。
我認為一些科學計算必要的工具在Anaconda中預設安裝：
- NumPy+SciPy的底層組合
- Pandas對結構化/非結構化資料的轉換以及靈活的處理
- Statsmodels，Scikit-Learn、NetworkX等對於資料採礦的支援在Anaconda裡面是預設安裝的
當然工作中我還會關注一些conda沒有收錄的可愛功能，這其中包括：
- 詞雲繪圖工具wordcloud
- 社交網路挖掘的Louvain演算法
- gradient boosting工具xgboost
更多功能大家自己到github, bitbucket, sourceforge等都可以找到，就不贅述。
2 Anaconda 作為知識傳導的工具令人滿意。
在其他回答中我看到了有人提到ipython notebook無法正常工作，新手應該注意一下不要在翻牆的同時使用這個功能，它的原理是本地開連接埠建立一個Server，在瀏覽器中可以開啟ipynb文檔，開啟Python Kernel，執行代碼以及寫Markdown風格的文檔。我從Ipython 2.x的版本一直用到4.0（已經更名為Jupyter），這個工具可以同時支援Python、Julia和R指令碼的Notebook，實現
圖文碼並茂的文檔。它的好處就是，HTML可以置於伺服器端，而notebook可以直接共用給他人或者放在github上。
當我提到繪圖的時候，我的意思是bokeh。基於bokeh.js，你的靜態圖和動圖都可以放在Ipython notebook裡面或者使用bokeh-server寫在伺服器上。Python和JavaScript之間交換資料我沒有感覺到絲毫的不適，而bokeh本身對於高等、低等圖形元素的設計讓人感覺恰到好處。作為一個Processing2和R ggplot2的前使用者，上手bokeh花了大概1-2天。
（小廣告：出於私心推薦Processing 3，現在支援Python。值得上手一玩）
圖文碼並茂的文檔我私人觀點認為，未來是一個大方向：一個200人的公司，下至你手底下的小卒，上至CEO，都會從文檔中擷取他們需要整合的資訊。作為資料分析師，資料科學家這種有些容易被碼工鄙視實幹不足，又被運營嗤之以鼻不夠業務敏感不接地氣的崗位，用資料講出你想講出的李菊福的故事應該是基本功。
3 Anaconda的工具生態圈讓我覺察到了它未來的布局或者說野心。
且不說Win/MacOS/Linux通吃，請看如下連結中的PDF連結 Learn more about Anaconda
Anaconda提出了資料科學生態圈的概念，我認為這是經過凝練濃縮之後的總結出來的一套方法論。
- 資料整合、探索、統計分析、挖掘、預測（見第一點）
- 資料的儀表板、故事板乃至BI工具（見第二點）
- 代碼底層加速能力：合理利用CPU（blaze生態系統，Intel MKL）、GPU（CUDA JIT）、Spark
- 企業工具：本地部署的協作開發平台wakari、本地定製化部署的Hadoop Spark（已有docker）
結合方法論提供解決別人痛點的工具是虛幻的，所以Continuum Analytics自己也做資料、演算法的諮詢服務。我認為有一大批壓根沒有遠見的、沒有真正以資料為核心做資料科學的所謂大資料公司，他們是真正好用技術的懷疑論者，我向來是無視的。
Cons：
1 技術群裡面很多小夥伴反饋說conda生態圈更新慢。一般會晚1-2個月，比如IPython 4.0或者說Python 3.5的整合。我希望有的是穩定、簡單的版本，對更新的需求可以壓抑一下。
2 有些本來可以免費找到的資源在Anaconda中收費，比如NumPy w/ Intel MKL。而且，個人無法負擔本地部署的Wakari企業級協作開發產品和Hadoop Spark叢集產品。如果你有興趣可以寫郵件quote之。
3 回頭看到題主提到的Spyder我跟你說我強迫症又犯了。Spyder作為IDE提供的是類似Matlab或者RStudio的體驗，Python作為開發語言，除了Ipython Notebook以外，我建議你從以下2個工具裡2選1，這2個可都不是Anaconda內建的工具了。
- PyCharm，JetBrains的精品，Win/MacOS/Linux全平台。不多解釋了。
- Sublime Text 3，編輯器裡我用著挺順手（代碼風格檢查、高亮、代碼上傳、多翻譯器切換）
那些說Vim的，你過來咬我啊！
================================================================
作為一個Anaconda的收費產品使用者，我得承認在幾乎所有的技術群裡面我表現的都像官托。
管它呢！Life is short, no BB.用過兩個軟體後，我發現自己偏愛Anaconda啊！
大家都喜歡
美觀易用的User Interface，這樣的話Anaconda是個不錯的選擇，介面漂亮，更
方便管理那些Libraries，而且會對版本更新比較勤快。
其實說實話，我原來都是自己手動安裝所有的Libraries的，從來不藉助這些第三方軟體，感覺這樣比較Cool，可是經常會出現那些停留在Python2.x的Libraries，還要自己動手修改代碼，才可以用，真是痛心疾首，後來找了很多的第三方，比如題主說的 （x，y）Python，Anaconda，還有Enthought，Winpython。後來綜合考慮了，軟體的
美觀程度，版本相容性，更新頻率，管理難易程度，我還是
選擇了Anaconda這條大水蟒。
一般堆代碼也都是在Ipython Notebook裡面完成的，很少去Spyder裡面編輯，畢竟能少開啟一個軟體視窗就要節省一個視窗，而且整合在瀏覽器中的Ipython Notebook對代碼每一步的測試很好用，命令列和批處理完美的融合在了一起，而且學會了Markdown語言後，整個就是一個筆記本，無論是圖片，視頻，數學公式，還是項目列表，表格，各種格式的文本都可以在一個ipnb檔案裡完成。是
科學工作者和程式員的好筆記本，只有更愛它。
可以插入圖片
可以插入網頁可以插入網頁
可以繪製表格可以繪製表格
可以嵌入網路連結可以嵌入網路連結
可以直接繪圖
可以編輯數學公式可以編輯數學公式
對 pandas 的良好支援對 pandas 的良好支援
Anaconda 和 winpython 都用過，Anaconda用得少些，windows下主要用winpython。
python如果不是做開發的話，相比spyder, 用ipython notebook是更好的選擇.
有關兩者的區別就我瞭解有如下幾點：
1，我曾經讓學生裝Anaconda作為python課上的使用軟體，但是不少同學安裝都出現問題，最主要的就是ipython notebook用不了，而後改用winpython，出現問題的情況變少了。這發生在2013年，之後上課就統一用winpython了。
2，winpython脫胎於pythonxy，面向科學計算，兼顧資料分析與挖掘，；而Anaconda主要面向資料分析與挖掘方面，在大資料處理方面有自己特色的一些包, 據說在極大的矩陣運算方面速度很快。
3，winpython強調便攜性，被做成綠色軟體，不寫入註冊表，安裝其實就是解壓到某個檔案夾，移動檔案夾甚至放到隨身碟裡在其他電腦上也能用。Anaconda則算是傳統的軟體模式。
4，winpython是由個人維護；Anaconda是由一家資料分析服務公司維護；這個區別意味著winpython在很多方面都從簡，而Anaconda會提供一些人性化設定。
5，winpython 只能在windows上用，Anaconda則有linux的版本。
大致就這些，其實兩個整合平台最大的區別還是其整合的軟體包的區別，在windows下裝python的包容易出問題，你需要哪些包，而其中一個有，那就選那個。
拋開軟體包的差異，我個人推薦初學者用winpython，我覺得它似乎正因為其簡單，問題也少點，由於便攜性的特點系統壞了，重裝後也能直接用。
最後一個建議，用python時間長了，最終還是會在linux下用的。windows下太縛手縛腳了。anaconda在win 下各種崩潰，還是用winpython吧。我是win7，用的最新版和11月的次新版。沒用過winpython，只用過anaconda
用了anaconda覺得已經很好用了JP Morgan和Credit Suisse用Anaconda，朋友告訴我Citi也是用那個。看看哪個你們行業用的廣泛就用哪個唄～Linux --> Anaconda
Windows --> Winpython
Anaconda在windows環境下問題多，notebook用不了。在 windows 下我推薦 anaconda，或者說其背後的 conda 包管理系統。它提供了和 pip 類似的管理功能並且有所增強（例如支援 env），並且，所有的包都是編譯好的，不必像 pip 那樣安裝 numpy 和 scipy 時折騰許久。如果覺得預設包配置太累贅的話，完全可以下載 conda 最小包 miniconda （Miniconda — Conda
）來進行安裝據說anaconda的源在牆外，訪問不穩定。
我用anaconda安裝R語言支援，一直沒成功。
An unexpected error has occurred, please consider sending the:--:-- 0.00 B/s
following traceback to the conda GitHub issue tracker at:
https://github.com/conda/conda/issues
Include 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 peer
During 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我來安利一下Canopy。
主介面長這樣，
目前最新的版本是1.7。如果你還是學生，可以用學校郵箱註冊帳號登入，解鎖debug 功能。
重點安利它家的Package Manager 功能，介面長這樣，
可視化的安裝介面，媽媽再也不用擔心我的package 缺失/版本混亂/安裝路徑不明啦！
Canopy 為您貼心準備了所有常用的科學計算包，包括大名鼎鼎的numpy，scipy，pandas等等。numpy 的安裝情況長這樣，
連pip install 都不用啦！滑鼠點點，安裝卸載輕輕鬆鬆。甚至可以回溯曆史版本！是否過於炸裂！
同時Canopy 對於Jupyter Notebook 的支援也很棒，可以在editor 裡直接查看、編輯。
個人認為Canopy 最棒的一點是如果在安裝時將它設定為default ，之後就不需要擔心Python 的編譯環境了。Canopy 自動為你建立出一個VirtualEnv，使你專心於具體的實現，不必擔心底層的情況。
最後，Pycharm 也是極好的！然而我用sublime text 碼代碼。。。（一黑黑倆
