调用GDAL ReadAsArray报numpy.core.multiarray导入错误

报错核心是numpy C API版本不匹配：

• 版本号0xe对应numpy 1.22及以上版本，0xd对应numpy 1.21.x系列，你当前安装的GDAL 3.4.2预编译包基于高版本numpy构建，和已安装的numpy 1.21.6版本ABI不兼容，最终触发multiarray模块导入失败。

第一步：清理环境残留 #

先彻底卸载冲突包，避免旧文件干扰：

• 激活你使用的miniconda环境，执行命令卸载所有相关包：

pip uninstall -y numpy gdal
conda remove -y numpy gdal libgdal

• 卸载完成后，进入环境对应的site-packages目录（路径为C:\Users\name\miniconda3\lib\site-packages\），手动删除所有名称带numpy、osgeo、gdal的残留文件夹，避免混装残留导致版本识别错误。

第二步：安装版本匹配的依赖 #

二选一即可，不要混选：

• 方案1（保留现有GDAL版本）：安装适配Python3.7、Win64平台的numpy 1.22.x系列+mkl版本（Python3.7最高支持numpy 1.22.4，对应C API版本正好为0xe，和GDAL3.4.2匹配），numpy安装完成后，再重新安装你之前下载的GDAL-3.4.2-cp37-cp37m-win_amd64.whl包。必须先装numpy再装GDAL，避免安装过程中自动拉取不匹配的低版本numpy依赖。
• 方案2（保留现有numpy版本）：更换GDAL安装包为3.3.x系列的cp37、Win64版本，该系列GDAL预编译包基于numpy 1.21（API版本0xd）构建，和你已有的numpy 1.21.6完全兼容，不会触发版本冲突。

第三步：安装有效性验证 #

安装完成后不要直接运行原脚本，先在当前环境的交互解释器中执行以下代码验证：

import numpy
from osgeo import gdal_array
print(numpy.__version__)

执行无任何报错即说明依赖匹配正常，此时再调用.ReadAsArray(0,0,500,500)方法即可正常读取栅格数据。

踩坑提醒：Windows下conda环境尽量避免用conda、pip混装numpy和GDAL这类带C扩展的包，混装极易出现文件覆盖不全、版本识别错乱的问题，统一用同一种包管理方式安装依赖能减少80%以上的环境问题。

内容的提问来源于stack exchange，提问作者MaxHuber1234