IntelliJ+Airflow+Docker环境下sklearn导入报错，求替代方案或解决办法

核心问题排查与解决步骤 #

• 确认容器内Python环境匹配
  Airflow容器可能存在多个Python版本，直接用pip install可能对应到非Airflow运行的Python环境。进入容器后先定位Airflow使用的Python路径，再用对应pip安装：

  docker exec -it project_p-webserver-1 /bin/bash
  # 查看当前Airflow关联的Python路径
  which python3
  # 使用该Python的pip安装依赖
  python3 -m pip install scikit-learn
  

• 统一管理Airflow依赖（推荐）
  手动进容器安装依赖会在容器重启后失效，建议通过requirements.txt统一管理：

  1. 在项目根目录创建requirements.txt，添加：

     scikit-learn
     

  2. 若使用Docker Compose部署，修改docker-compose.yaml挂载并自动安装依赖；或构建自定义Airflow镜像：

     FROM apache/airflow:2.x.x
     COPY requirements.txt .
     RUN pip install --no-cache-dir -r requirements.txt
     

  重新构建镜像或重启容器即可。

• 检查任务运行容器
  Airflow的任务通常在worker容器而非webserver容器中执行，若仅在webserver容器安装依赖，worker容器仍会报错。需进入worker容器重复安装步骤：

  docker exec -it project_p-worker-1 /bin/bash
  python3 -m pip install scikit-learn
  

替代导入方案（应急用） #

不存在真正的sklearn替代导入，但可确认导入语句正确性：确保代码中是import sklearn（库安装名是scikit-learn，导入时用sklearn），而非错误的import scikit-learn。此方法仅作验证，无法替代依赖安装的根本解决。

内容的提问来源于stack exchange，提问作者Ashwini Choudhary