Shinyapps.io部署含reticulate与sklearn的Shiny应用遇模块未找到问题

以下是针对你遇到问题的排查和解决步骤：

• 强制指定virtualenv环境
  在global.R开头明确指定要使用的virtualenv路径，避免shinyapps.io默认调用系统Python环境：

  library(reticulate)
  # 替换成你创建的virtualenv名称，shinyapps.io上的默认路径为~/virtualenvs/你的环境名
  use_virtualenv("~/virtualenvs/your_env", required = TRUE)
  

  也可以直接指定Python可执行文件路径，进一步锁定环境：

  use_python("~/virtualenvs/your_env/bin/python", required = TRUE)
  

• 检查requirements.txt的包名正确性
  PyPI上scikit-learn的正式包名是scikit-learn，而非sklearn，这是常见的出错点。确保项目根目录的requirements.txt里正确声明依赖：

  scikit-learn==1.3.0  # 指定和本地一致的版本
  numpy>=1.24.0        # 按需添加其他关联依赖
  

  本地导出依赖时可使用pip freeze > requirements.txt，注意剔除无关包。

• 调整Python脚本的导入顺序
  避免直接导入sklearn子模块，先加载主模块再导入子模块，确保环境加载完整：

  import sklearn  # 先加载主模块
  from sklearn.ensemble import RandomForestClassifier
  from sklearn.metrics import accuracy_score
  

• 本地验证环境一致性
  本地启动Shiny应用前，确保激活了对应的virtualenv，运行应用确认无报错，保证本地依赖版本和部署环境一致。

• 核对shinyapps.io部署日志
  查看完整部署日志，确认是否有Activating virtualenv: ~/virtualenvs/your_env类提示，同时检查sklearn的安装日志是否对应到该virtualenv下，而非系统环境。

内容的提问来源于stack exchange，提问作者micstr