AWS Lambda中Statsmodels Layer体积过大，求轻量化安装方案

你的代码仅用到了statsmodels.stats.power.TTestIndPower，完全不需要安装完整的Statsmodels包，以下是几种轻量化处理的方案：

1. 裁剪安装包，只保留必要模块和依赖 #

步骤（推荐用Lambda兼容环境构建，比如Amazon Linux 2或Docker）： #

• 首先安装Statsmodels和仅需的依赖（numpy、scipy），跳过可选依赖：

  # 进入Lambda兼容环境后执行
  pip install statsmodels numpy scipy --no-deps -t ./python
  

• 删除不必要的文件和模块：

  # 删除Statsmodels中未用到的模块目录
  rm -rf python/statsmodels/datasets python/statsmodels/tsa python/statsmodels/discrete python/statsmodels/iolib python/statsmodels/examples python/statsmodels/tests
  
  # 删除缓存文件
  find python -name "__pycache__" -type d -exec rm -rf {} +
  find python -name "*.pyc" -delete
  

• 压缩目录：

  zip -r statsmodels-layer.zip python
  

  处理后的压缩包大小会大幅降低，通常能控制在50MB以内，符合Lambda Layer的上传限制。

2. 手动提取必要模块 #

如果上述裁剪还不够，可以手动提取仅需的代码：

• 从完整安装的Statsmodels中，复制statsmodels/stats目录、statsmodels/base目录、statsmodels/tools目录以及根目录下的__init__.py文件到你的layer目录。
• 单独安装numpy和scipy到同一目录，再压缩打包。这种方式体积会更小，但需要确保模块引用路径正确。

3. 备选：使用Lambda容器镜像 #

如果裁剪后仍无法满足需求，可以改用Lambda容器镜像部署（最大支持10GB镜像），直接将代码和完整依赖打包成镜像上传，无需受Layer大小限制。

验证裁剪后的Layer #

部署前可以在本地模拟Lambda环境测试，确保代码能正常导入TTestIndPower并运行solve_power方法，避免因误删必要文件导致报错。

内容的提问来源于stack exchange，提问作者Reshma Joseph