如何解决scipy导入错误及daal4py、numba依赖冲突问题

1. 回退numpy至兼容版本 #

你的numpy 2.0.2版本过于超前，与numba 0.55.1的版本要求（numpy<1.22,>=1.18）完全冲突，先执行回退操作：

# 用pip回退
pip install numpy==1.21.6

# 或用conda更稳妥（推荐）
conda install numpy=1.21.6

2. 修复scipy的DLL加载问题 #

_spropack DLL加载失败多因scipy版本与当前环境不兼容或安装损坏，先卸载再重装适配版本：

pip uninstall -y scipy
pip install scipy==1.7.3

（1.7.3版本与numpy 1.21.x完全兼容，可避免Windows下的DLL依赖问题）

3. 处理daal4py的依赖冲突 #

如果不需要daal4py工具，直接卸载即可消除冲突：

pip uninstall -y daal4py

若需保留daal4py，安装其指定依赖版本：

pip install daal==2021.4.0

4. 验证环境兼容性 #

执行命令检查核心包版本是否匹配：

# Windows系统
pip list | findstr /i "numpy scipy scikit-learn numba"

# Linux/macOS系统
pip list | grep -i "numpy scipy scikit-learn numba"

确保输出类似如下兼容版本：

numpy                     1.21.6
scipy                     1.7.3
scikit-learn              1.0.2
numba                     0.55.1

5. 测试代码有效性 #

运行你的导入代码，确认无报错：

import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM
from tensorflow.keras.layers import Dense, Dropout
import pandas as pd
from sklearn.preprocessing import StandardScaler

额外推荐：创建隔离conda环境 #

若上述操作仍有遗留问题，直接新建干净环境彻底规避依赖混乱：

conda create -n tf_sklearn_env python=3.9
conda activate tf_sklearn_env
conda install tensorflow scikit-learn pandas numpy=1.21.6 numba=0.55.1

该环境内的包均为预兼容配置，无需手动调整依赖。

内容的提问来源于stack exchange，提问作者Sutthida