PyPy与IPyKernel安装异常：JupyterLab无法正常使用PyPy内核

针对你遇到的PyPy环境与ipykernel、JupyterLab兼容问题，以下是几个经过验证的解决方法：

方案1：通过conda-forge通道安装适配PyPy的ipykernel #

conda-forge提供了更完善的PyPy生态支持，直接从该通道安装可避免依赖冲突：

• 创建PyPy环境时指定conda-forge通道：

  conda create -n pypy-env -c conda-forge pypy3.10
  

• 激活环境后安装ipykernel：

  conda activate pypy-env
  conda install -c conda-forge ipykernel
  

• 将PyPy内核注册到Jupyter：

  python -m ipykernel install --user --name pypy-env --display-name "PyPy (pypy-env)"
  

方案2：使用pip安装ipykernel（推荐） #

PyPy的conda包生态不如CPython成熟，用PyPy自带的pip安装ipykernel兼容性更好：

• 创建并激活PyPy环境：

  conda create -n pypy-env pypy3.10
  conda activate pypy-env
  

• 用PyPy的pip安装ipykernel：

  pypy3 -m pip install ipykernel
  

• 注册内核到Jupyter：

  pypy3 -m ipykernel install --user --name pypy-env --display-name "PyPy (pypy-env)"
  

方案3：临时设置通道优先级（避免全局strict） #

不要全局开启strict通道优先级，而是在创建环境时针对性配置：

• 创建环境时直接指定通道、优先级并安装ipykernel：

  conda create -n pypy-env -c conda-forge --override-channels --strict-channel-priority pypy3.10 ipykernel
  

• 激活环境后注册内核即可。

问题原因说明 #

• 全局设置strict通道优先级时，conda会强制从指定通道拉取所有依赖，但PyPy部分依赖在默认conda通道中没有适配版本，导致大量冲突。
• 切换回flexible模式后，conda可能混合了CPython和PyPy的依赖包，ipykernel依赖的部分模块与PyPy不兼容，从而触发ImportError。

内容的提问来源于stack exchange，提问作者docf