Python Ubuntu上的NumPy/Scikit，更好地从预编译源代码（例如Anaconda）构建？

不同的文档提供了相互矛盾的信息：使用pip安装NumPy（根据我的经验，

pip在Ubuntu上安装NumPy

总是从源代码构建NumPy）还是使用编译发行版，例如

Anaconda2

该网站指出：

（…）如果您想使用上次对NumPy和SciPy所做的改进 在Linux上，您必须从源代码构建它

While解释道：

我们不建议在linux上使用pip安装scipy或numpy，因为 这将涉及一个具有许多依赖项的冗长构建过程。 如果不仔细配置，自行构建numpy可能会导致 安装速度比实际速度慢得多

当运行在

Ubuntu 14.04

上时，哪种方式对处理大数据和进行机器学习的程序的性能更有利？

本文描述了代码和gcc/内核环境的微小变化如何对NumPy性能进行重大改进。因此，我想用结论来结束这个问题：

• 尽可能使用NumPy/Scipy库的编译发行版
• 如果您没有其他选择，或者您想自定义构建参数，因为您知道自己在做什么，请编译NumPy/Scipy

---

欢迎就此事进行讨论，以便我可以更改我的答案

如果你投反对票，我希望你能给我一个简短的评论，解释我如何提高这个问题的质量，或者下次避免什么。谢谢<代码>哪种方式对程序性能更有利-如果您知道自己在做什么，那么自己编译总是和二进制版本一样好。像你和我这样的普通用户通常不关心性能的微小额外百分比。