M1 Mac Pro无法使用scikit-learn包 导入报错求解决方案

问题根源 #

报错核心是scipy依赖的liblapack.3.dylib线性代数库未被conda环境正确识别，M1架构下混装brew、pip、conda的科学计算包时，容易出现编译链接架构不匹配的问题。

修复步骤 #

• 第一步：先清理现有损坏的相关包
  首先激活目标conda环境：
  conda activate tensorflow
  依次卸载pip和conda安装的冲突包：

  pip uninstall -y scikit-learn scipy numpy
  conda uninstall -y scikit-learn scipy numpy openblas lapack
  

• 第二步：安装适配M1架构的基础依赖库
  从conda-forge源安装匹配arm64架构的线性代数库：
  conda install -c conda-forge openblas lapack
• 第三步：配置编译环境变量
  让pip后续编译包时能正确找到openblas路径，补全之前缺失的编译参数：

  export OPENBLAS=$(/opt/homebrew/bin/brew --prefix openblas)
  export CFLAGS="-falign-functions=8 ${CFLAGS}"
  export CPPFLAGS="-I${OPENBLAS}/include ${CPPFLAGS}"
  export LDFLAGS="-L${OPENBLAS}/lib ${LDFLAGS}"
  

• 第四步：重新安装scikit-learn及依赖
  禁用缓存重新编译安装相关包，避免复用之前的损坏安装包：
  pip install --no-cache-dir numpy scipy scikit-learn

备选极简方案 #

如果上述步骤仍有问题，直接全用conda安装适配好的预编译包，无需手动编译：
conda install -c conda-forge scikit-learn

验证方法 #

安装完成后执行以下命令，无报错输出版本号即为修复成功：
python -c "import sklearn; print(sklearn.__version__)"

注意事项 #

conda环境下优先使用conda-forge源安装科学计算包，避免混用brew、pip安装底层依赖类库，减少架构不匹配的链接错误。

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