导入scikit.decomposition.PCA时遇numpy 'float'属性错误的解决咨询

问题详情 #

你使用Python 3.8.5在VSCode的.ipynb文件中尝试导入PCA模块，代码如下：

import numpy as np
from sklearn.decomposition import PCA

已升级numpy和scikit-learn，但仍报错，错误信息核心为：

AttributeError: module 'numpy' has no attribute 'float'

同时你尝试过错误的导入语句from scikit.decomposition import PCA，同样触发该错误，但单独导入numpy正常。

原因分析 #

这个错误的本质是版本不兼容：新版本NumPy（1.24及以上）移除了numpy.float、numpy.int等旧的类型别名，但你的scikit-learn版本过旧，仍在调用这些已被移除的属性。另外，scikit不是正确的包名，官方包名为sklearn，所以from scikit.decomposition import PCA本身就是错误写法。

解决步骤 #

方案一：升级scikit-learn到兼容版本 #

Python 3.8支持的scikit-learn最高兼容版本为1.2.2，该版本适配NumPy 1.24+。执行以下命令升级：

# Anaconda环境推荐用conda
conda update scikit-learn
# 或者用pip指定版本
pip install --upgrade scikit-learn==1.2.2

方案二：降低NumPy到兼容旧版本scikit-learn的版本 #

如果不想升级scikit-learn，可将NumPy降级到1.23.5（该版本保留了旧类型别名，适配大多数旧版scikit-learn）：

conda install numpy==1.23.5
# 或者用pip
pip install numpy==1.23.5

方案三：临时兼容修复（不推荐长期使用） #

若需紧急运行代码，可在导入sklearn前手动恢复NumPy的旧类型别名：

import numpy as np
# 恢复旧类型别名
np.float = float
np.int = int
np.bool = bool
np.str = str
np.long = int

# 正常导入PCA
from sklearn.decomposition import PCA

内容的提问来源于stack exchange，提问作者Vishakh Sandwar