如何在AWS Lambda中导入Numpy和Pandas并处理CSV文件？

我之前也踩过完全一样的坑！本地跑好好的代码，一放到Lambda就报No module named 'numpy'，哪怕打包了依赖也没用——核心原因是你在Windows/macOS上打包的依赖和Lambda的Amazon Linux运行环境不兼容，系统架构、编译后的二进制文件都不一样，Lambda根本识别不了。下面给你几个亲测有效的解决方案：

方案1：使用Lambda层（Layers）管理依赖（最推荐，长期维护更省心） #

Lambda层可以把依赖和代码分离，还能重复用到多个函数里，步骤如下：

1. 构建兼容Lambda环境的依赖包
   • 用Docker模拟Lambda环境是最方便的方式：
     • 拉取对应Python版本的Lambda基础镜像（比如你用Python 3.9）：

       docker run -it --rm public.ecr.aws/lambda/python:3.9 /bin/bash
       

     • 在容器里创建目标目录并安装依赖：

       mkdir -p python/lib/python3.9/site-packages
       pip install numpy pandas -t python/lib/python3.9/site-packages
       

     • 退出容器，把容器里的python目录拷贝到本地：

       docker cp <容器ID>:python ./lambda-layer
       

     • 进入lambda-layer目录，压缩成zip包：

       cd lambda-layer
       zip -r numpy-pandas-layer.zip python/
       

   • 你也可以用AWS EC2的Amazon Linux实例打包，原理和Docker一致，都是在和Lambda匹配的环境里安装依赖。
2. 创建Lambda层并关联函数
   • 登录AWS控制台，进入Lambda服务，左侧菜单选「层」→「创建层」
   • 上传刚才的numpy-pandas-layer.zip，选择对应Python版本，命名后保存
   • 回到你的Lambda函数，在「层」模块点击「添加层」，选择刚创建的层，保存后测试函数即可

方案2：本地构建兼容的部署包（适合快速测试，不想用层的情况） #

如果你不想用层，可以直接在本地跨平台安装兼容Lambda的依赖：

1. 打开终端，创建空的package目录：

   mkdir package && cd package
   

2. 用pip安装跨平台兼容的依赖（替换成你Lambda用的Python版本，比如3.9）：

   pip install --platform manylinux2014_x86_64 --target ./ --implementation cp --python-version 3.9 --only-binary=:all: numpy pandas
   

3. 把你的lambda_function.py复制到package目录下
4. 压缩package目录里的所有内容（注意：不要压缩package文件夹本身，要选中里面的所有文件和子文件夹再压缩）
5. 把这个zip包上传到Lambda函数，替换原来的部署包即可

方案3：检查打包的正确姿势（很多人在这里犯错） #

如果已经尝试打包但还是报错，大概率是打包结构不对：

• ❌ 错误做法：把虚拟环境（比如venv）整个打包进去，或者把依赖放在子文件夹里，Lambda不会去这些路径查找模块
• ✅ 正确结构：你的lambda_function.py和numpy、pandas等依赖包要在同一层级；如果用层，层的结构必须是python/lib/pythonX.X/site-packages/（X.X是Python版本）下面存放依赖

方案4：使用Lambda容器镜像（适合复杂依赖场景） #

如果你的依赖不止numpy/pandas，或者经常遇到环境兼容问题，可以用容器镜像部署：

1. 创建Dockerfile，内容如下（替换成你的Python版本）：

   FROM public.ecr.aws/lambda/python:3.9
   COPY requirements.txt .
   RUN pip install -r requirements.txt --target "${LAMBDA_TASK_ROOT}"
   COPY lambda_function.py ${LAMBDA_TASK_ROOT}
   CMD ["lambda_function.lambda_handler"]
   

2. 同目录下创建requirements.txt，写入：

   numpy
   pandas
   

3. 构建镜像并推送到AWS ECR（弹性容器注册表）
4. 在Lambda控制台选择「容器镜像」创建函数，选择你推送到ECR的镜像即可

额外注意事项 #

• 确保Lambda函数的Python版本和你安装依赖时指定的版本完全一致（比如都是3.9）
• 注意Lambda的大小限制：部署包压缩后不能超过50MB，解压后不超过250MB；层的压缩包不能超过50MB，多个层累加解压后不超过250MB
• 如果还是报错，可以在Lambda函数的「配置」→「环境变量」里添加PYTHONPATH=/var/task，确保模块路径正确

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