在装有Keras(Tensorflow)的环境中安装Pandas报错的问题与解决

背景与问题

在神经网络编程中，需要将数据集处理成神经网络能够处理的格式。常见的以csv、xls等结构化表格文件表示的数据集，需要通过pandas进行读取才能在Python中使用。

在一个安装有Keras（包括Tensorflow）的Python环境中，笔者运行下列命令安装pandas：

pip install pandas

结果尽管安装成功，但弹出了这样一条错误信息：

……

Installing collected packages: pytz, numpy, pandas
  Attempting uninstall: numpy
    Found existing installation: numpy 1.19.5
    Uninstalling numpy-1.19.5:
      Successfully uninstalled numpy-1.19.5
ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
tensorflow 2.6.0 requires numpy~=1.19.2, but you have numpy 1.23.4 which is incompatible.
Successfully installed numpy-1.23.4 pandas-1.5.1 pytz-2022.5

如果再安装错误信息中要求的numpy版本（只要求接近，不是必须相等，如1.19.5也是可以的），覆盖原先的版本，又会报下面的错误：

ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
pandas 1.5.1 requires numpy>=1.20.3; python_version < "3.10", but you have numpy 1.19.5 which is incompatible.

即使按照Pandas要求的最低版本安装numpy，TensorFlow还是会报错。

原因

TensorFlow和pandas都依赖于特定版本的numpy。pip如不指定版本，将默认安装最新版本。在安装Pandas时，如果没有检测到numpy，将自动安装最新版本的numpy。

最新版本的pandas依赖于较高版本的numpy，但TensorFlow不兼容高版本numpy。这里，笔者是参照Kaggle的配置安装的TensorFlow和Keras，如下图。

 （注意：笔者用pip install tensorflow==99999查到目前TensorFlow的最新正式版本是2.10.0，但TensorFlow并不是版本越高越好。尤其是GPU版本，依赖于特定的CUDA）

解决

笔者参照 https://blog.csdn.net/popboy29/article/details/126122865 的做法，在装有tensorflow的环境下输入下列命令：

pip install pandas==10000

显示下列信息：

Looking in indexes: <指定下载源>
ERROR: Could not find a version that satisfies the requirement pandas==10000 (from versions: 0.1, 0.2, 0.3.0, 0.4.0, 0.4.1, 0.4.2, 0.4.3, 0.5.0, 0.6.0, 0.6.1, 0.7.0, 0.7.1, 0.7.2, 0.7.3, 0.8.0, 0.8.1, 0.9.0, 0.9.1, 0.10.0, 0.10.1, 0.11.0, 0.12.0, 0.13.0, 0.13.1, 0.14.0, 0.14.1, 0.15.0, 0.15.1, 0.15.2, 0.16.0, 0.16.1, 0.16.2, 0.17.0, 0.17.1, 0.18.0, 0.18.1, 0.19.0, 0.19.1, 0.19.2, 0.20.0, 0.20.1, 0.20.2, 0.20.3, 0.21.0, 0.21.1, 0.22.0, 0.23.0, 0.23.1, 0.23.2, 0.23.3, 0.23.4, 0.24.0, 0.24.1, 0.24.2, 0.25.0, 0.25.1, 0.25.2, 0.25.3, 1.0.0, 1.0.1, 1.0.2, 1.0.3, 1.0.4, 1.0.5, 1.1.0, 1.1.1, 1.1.2, 1.1.3, 1.1.4, 1.1.5, 1.2.0, 1.2.1, 1.2.2, 1.2.3, 1.2.4, 1.2.5, 1.3.0, 1.3.1, 1.3.2, 1.3.3, 1.3.4, 1.3.5, 1.4.0rc0, 1.4.0, 1.4.1, 1.4.2, 1.4.3, 1.4.4, 1.5.0rc0, 1.5.0, 1.5.1)
ERROR: No matching distribution found for pandas==10000

然后conda create了一个临时环境，在这个环境上用下列命令依次安装从1.0.0到1.5.1不同的版本（不包括rc版本）：

pip install pandas==x.x.x    ::x.x.x为pandas的版本

安装时注意观察下面的信息（可能是下面两种中的一种），这是pandas所依赖的版本要求：

Collecting numpy>=1.17.3

或者

Requirement already satisfied: numpy>=1.18.5 in <路径，这里不用管是什么> (from pandas==<pandas的版本>) (<numpy的当前版本>)

其中“numpy>=”后面的版本号就是pandas所依赖的最低numpy版本。整理如下表：

pandas版本	依赖的最低numpy版本
1.0.x	1.13.3
1.1.x	1.15.4
1.2.x	1.16.5
1.3.x	1.17.3
1.4.x	1.18.5
1.5.x	1.20.3

因此，解决办法如下：

1. 先安装TensorFlow错误信息中要求的numpy版本（也可以是略高的版本，如提示要1.19.2，安装1.19.5也是可以的），覆盖原先的版本。
2. 按照上表安装符合numpy版本要求的pandas（当然最好是最接近的版本）。

至于各种Tensorflow版本对numpy版本的要求，因为安装包较大且安装时间长，我就不做试验了，可以参考一下下面这篇博客：

tensorflow和numpy对应的版本,报FutureWarning: Passing (type, 1) or ‘1type‘ as a synonym of type is deprecate_模糊包的博客-CSDN博客https://blog.csdn.net/xinjieyuan/article/details/103738396