近期，Python生态圈中备受欢迎的大数据处理工具Anaconda开始推出付费版本。这对于爱好Python编程的开发者来说，可能是一个有点令人失望的消息。

Anaconda是一个基于Python编程语言的数据科学平台。它集成了许多数据科学和机器学习方面的库，如NumPy、Matplotlib、Pandas等，使得数据分析和挖掘工作更为简便和高效。

当然，对于初学者和开发者们，Anaconda的免费版本仍然是一种非常好的选择。但对于一些大规模企业或机构，他们或许需要支付一定的费用来获得更高级别的特性和服务。

下面是如何使用Anaconda进行数据分析的示例代码：

# 导入所需库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
data = pd.read_csv('data.csv')

# 数据清洗
data.dropna(inplace=True)

# 数据可视化
plt.scatter(data['col1'], data['col2'])
plt.xlabel('col1')
plt.ylabel('col2')
plt.show()

# 数据建模
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(data['col1'].values.reshape(-1,1), data['col2'].values.reshape(-1,1))

# 预测
new_data = np.array([[10], [20], [30]])
predicted = model.predict(new_data)
print(predicted)

上面的代码展示了从数据加载、清洗、可视化、建模到预测的整个过程。使用Anaconda可以更便捷地完成这一过程，而且Anaconda的大量扩展库也让数据分析和挖掘工作更为高效和方便。

总结来说，虽然Anaconda开始收费，但他的免费版本仍然是一个非常好的选择，对于初学者和中小型机构都能适用。如果你需要更高级别的特性和服务，或者需要更好的支持和帮助，付费版的Anaconda或许能够满足你的需求。