scikit-learn构建及运行时触发numpy循环导入报错

两个异常表现本质是同一个根因，和Python模块导入的路径优先级规则直接相关：

1. 构建阶段出现Partial import of sklearn during the build process提示，是因为执行构建命令时，当前工作目录正处于scikit-learn的源码目录范围内，构建流程还没完成全量编译、文件部署的环节，Python就已经把当前目录下未完成初始化的sklearn源码识别为可导入模块，提前触发了部分导入逻辑。这个提示不代表安装失败，只要最后弹出安装成功的提示，部署到site-packages的核心功能文件是完整的，但这个提示本身就说明当前环境的模块搜索路径存在优先级异常。
2. 在sklearn的utils文件夹下运行导入numpy的脚本触发循环导入，同样是路径优先级导致的：Python执行脚本时，会默认把脚本所在的当前工作目录放到sys.path搜索列表的最高优先级，sklearn的utils子目录下的初始化文件、编译阶段生成的临时文件，刚好和numpy导入链路中要加载的模块存在命名重叠，Python会优先加载当前目录下未完成初始化的sklearn内部文件，打乱numpy和sklearn的正常导入顺序，直接触发循环引用。离开该目录后，Python不会把sklearn的源码子目录放到高优先级搜索位，会直接从site-packages路径加载已经完成安装的正式版numpy、sklearn模块，导入流程就可以正常执行。

截图里的盘符差异不影响问题判断，和异常本身没有关联。

• 修正构建scikit-learn的操作方式：执行安装命令前，先把终端工作目录切换到scikit-learn源码文件夹之外的路径，通过绝对路径/相对路径指定源码位置执行安装，比如源码存放在D:/code/scikit-learn，就先切到D:/code目录再执行pip install ./scikit-learn，不要进入scikit-learn源码根目录或子目录执行安装命令，从根源避免构建过程中提前导入未完成编译的源码文件，partial import的提示会直接消失。
• 遵守Python脚本运行的通用规则：不要在任何第三方库的源码目录、安装目录（包括scikit-learn的任意层级子文件夹）下运行自己编写的Python脚本，把个人代码存放到独立的工作目录下再执行，就能避免工作目录占位导致的模块搜索优先级错乱，循环导入报错会直接消失。
• 路径校验（可选排查步骤）：如果完成上述操作后仍有异常，先执行两次pip uninstall scikit-learn -y清理环境内残留的多版本sklearn，重新安装完成后，在独立工作目录启动Python交互环境，执行import sklearn; print(sklearn.__file__)，确认输出路径是当前Python环境的site-packages目录下的sklearn路径，而非你自行下载的源码目录路径，就说明模块搜索优先级已经恢复正常。

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