M1芯片上Apple版TensorFlow分支与Pandas冲突，非Rosetta环境下如何兼容安装？

环境前置校验 #

• 全程使用原生arm64架构终端：取消终端的“使用Rosetta打开”设置，启动后执行arch命令，返回结果为arm64方可继续操作
• 安装arm64原生版本Homebrew：安装路径为/opt/homebrew，执行which brew确认路径正确，避免使用转译版Homebrew拉取x86架构依赖

基础环境搭建 #

• 安装适配osx-arm64架构的Miniforge，安装完成后执行conda info，确认平台标识为osx-arm64
• 创建独立隔离的Python虚拟环境，优先选择Python 3.10版本——当前Apple适配的TensorFlow对3.8-3.10版本兼容性最稳定，3.11及以上版本仍存在依赖适配断层

conda create -n m1-ml python=3.10
conda activate m1-ml

依赖安装（严格按顺序执行） #

1. 安装原生适配Pandas
   • 为当前虚拟环境配置严格优先级的conda-forge源，避免自动拉取x86架构包

   conda config --env --add channels conda-forge
   conda config --env --set channel_priority strict
   

   • 通过conda渠道安装原生编译的Pandas包：

   conda install pandas
   

   注意：不要跳过该步骤直接用pip install pandas，否则后续会拉取架构不匹配的numpy关联依赖，引发导入报错
2. 安装Apple适配版TensorFlow
   • 不要使用conda渠道的通用TensorFlow包，需通过pip安装官方针对M1优化的专用分支：

   pip install tensorflow-macos
   pip install tensorflow-metal
   

   其中tensorflow-metal为M1 GPU加速的专属依赖，缺失会导致Apple版TensorFlow无法正常调用硬件能力

运行验证 #

• 启动Python交互界面，依次执行导入操作：
• 执行import pandas as pd; print(pd.__version__)，无报错即代表Pandas安装正常
• 执行import tensorflow as tf; print(tf.__version__); print(tf.config.list_physical_devices())，输出内容中包含GPU设备列表、无架构相关报错，即代表Apple版TensorFlow运行正常

常见冲突规避 #

• 禁止混用Rosetta环境创建的虚拟环境，原生终端仅能运行同一架构下创建的虚拟环境
• 出现架构不兼容报错时，执行conda list检查所有安装包的架构标识，卸载非arm64版本的不匹配包后重装即可
• 不要在同一环境中随意混用pip和conda的跨渠道包，保持所有依赖的安装架构统一

内容的提问来源于stack exchange，提问作者Ashkan