如何解决pandas-profiling与scikit-learn的joblib依赖冲突

方法1：升级pandas-profiling到兼容高版本joblib的版本 #

pandas-profiling 3.2.0属于旧版本，对joblib的版本限制严格。后续推出的4.x及以上版本已经放宽了joblib的依赖要求，能够适配joblib>=1.2.0的版本，完美兼容scikit-learn 1.5.1。执行以下命令安装最新稳定版：

pip install --upgrade pandas-profiling

安装完成后，可通过以下命令验证依赖兼容性：

pip check

方法2：使用虚拟环境隔离依赖（推荐） #

全局Python环境的依赖冲突很难彻底根治，使用虚拟环境可以为pandas-profiling单独搭建一个干净的依赖环境，完全避免和其他项目的依赖冲突：

• 创建并激活虚拟环境（以Python自带的venv为例）：

  # 创建名为pandas-prof-env的虚拟环境
  python -m venv pandas-prof-env
  # Windows系统激活环境
  pandas-prof-env\Scripts\activate
  # Linux/Mac系统激活环境
  source pandas-prof-env/bin/activate
  

• 环境激活后，直接安装pandas-profiling，pip会自动拉取所有兼容的依赖版本：

  pip install pandas-profiling
  

方法3：降级scikit-learn到兼容joblib 1.1.0的版本 #

如果业务需求必须使用pandas-profiling 3.2.0，可以降级scikit-learn到支持joblib 1.1.0的版本（比如scikit-learn 1.0.x系列），执行以下命令安装兼容组合：

pip install scikit-learn==1.0.2 joblib==1.1.1 pandas-profiling==3.2.0

该版本组合经过测试，可彻底解决依赖冲突问题。

内容的提问来源于stack exchange，提问作者Bishal Giri