使用conda-build构建纯Python包时meta.yaml依赖配置方法

核心结论：你完全不需要在自己的meta.yaml里，把pandas、numpy、matplotlib这些第三方库自身构建阶段用到的make、编译工具链等依赖全部列明。

你在这些第三方库的meta.yaml里看到的编译类工具，本质上是这些库自己从源码编译时用到的专属构建依赖，conda有明确的依赖边界划分：

• 每个包build段的专属构建工具，只会在编译这个包本身时被临时安装，不会作为传递依赖传给所有依赖它的下游项目；
• 每个包host段的内容，也仅服务于当前包的构建流程，同样不会无差别传递；
• 只有每个包run段标注的依赖，才会被作为强制传递项，推送给所有引用它的下游项目。

举个最简单的例子：pandas的meta.yaml里列了make作为它自己的build依赖，但这个make根本不会出现在pandas的run依赖列表里，conda在你构建自己的包时，只会拉取pandas发布好的预编译二进制，根本不会重新编译pandas的源码，自然也就不需要你额外安装make。

针对你提到的依赖pandas、numpy、matplotlib的纯Python包，标准配置示例 #

纯Python包不需要处理任何C扩展编译逻辑，完全可以走最轻量的构建流程，对应meta.yaml的核心片段如下：

package:
  name: your-package
  version: 0.1.0

build:
  noarch: python  # 标记为跨平台纯Python包，避免分平台重复构建
  number: 0
  script: {{ PYTHON }} -m pip install . -vv  # 走标准pip安装流程，不需要额外编译工具

requirements:
  host:
    # 仅列构建你自己的包时直接需要的内容，完全不需要列第三方的编译工具
    - python 3.8.*
    - pip
    - setuptools
  run:
    # 仅列你的包运行时直接导入的依赖，conda会自动递归拉取这些依赖的全部运行时传递依赖
    - python >=3.8
    - pandas
    - numpy
    - matplotlib

常见配置误区 #

• 冗余罗列第三方的构建依赖：不少新手会误以为需要把pandas的所有build依赖都抄到自己的配置里，实际上这些冗余内容不仅会大幅拖慢构建环境的准备速度，还可能因为工具版本不匹配直接导致构建失败。
• 重复罗列传递依赖：比如pandas运行需要的python-dateutil、pytz，numpy运行需要的libblas等内容，都是对应库自己run段的标注内容，conda会自动完成安装，你完全不需要在自己的run段里手动重复列写。
• 依赖版本过度绑定：如果没有特殊兼容要求，不需要在配置里给pandas、numpy这类依赖锁死过小的版本范围，否则会大幅降低包的适配灵活性。

内容的提问来源于stack exchange，提问作者Greenfish