非conda环境下Colab中CuDF安装失败及后续问题求助

前置操作：确认Colab的CUDA版本 #

Colab的CUDA版本会随环境更新，先执行以下命令确认版本：

!nvcc --version

重点看输出中的release字段，比如release 11.8对应版本标识cu118，release 12.1对应cu121。

步骤1：清理冲突依赖 #

卸载已安装的CuDF、Cupy等可能引发冲突的包：

!pip uninstall -y cudf cudf-cu12 cupy

步骤2：安装匹配版本的CuDF #

根据第一步获取的CUDA版本，选择对应命令执行：

• 若CUDA版本为11.8：

!pip install --extra-index-url=https://pypi.nvidia.com cudf-cu118

• 若CUDA版本为12.1：

!pip install --extra-index-url=https://pypi.nvidia.com cudf-cu121

步骤3：验证安装有效性 #

执行以下代码确认CuDF和依赖的Cupy可正常使用：

import cudf
# 创建测试DataFrame
test_df = cudf.DataFrame({"col1": [1, 2, 3], "col2": ["a", "b", "c"]})
print(test_df)

# 验证Cupy属性
import cupy
print(cupy.uint8)

问题原因说明 #

• 直接执行!pip install cudf失败：PyPI上的cudf包为源码包，需要编译环境，Colab缺少必要的编译依赖，因此必须安装NVIDIA预编译的带CUDA版本后缀的包（如cudf-cu118）。
• pip install cudf-cuda115提示无匹配版本：NVIDIA已调整PyPI包命名规范，旧的cuda<version>命名已废弃，改用cu<major><minor>格式（如cu118对应CUDA 11.8）。
• 安装cudf-cu12后出现Cupy错误：Colab预装的Cupy版本与CuDF捆绑的Cupy版本不兼容，卸载预装Cupy后，CuDF会自动安装匹配的依赖版本，解决属性缺失问题。

内容的提问来源于stack exchange，提问作者Minakshi Boruah