Numpy/ Pandas/ Matplotlib 安装时间太长

dig*_*ra2 6 python pandas

我已经决定安装 MacOs Big Sur,现在我必须再次重新安装所有软件包...但我遇到了一些问题。

\n

我没有太多使用终端的经验,但安装一些数据科学库需要很长时间。例如,安装 numpy 花了几分钟,而现在,自从我开始尝试安装 pandas lib 以来已经过去了 15 分钟

\n
pip3 install pandas\nDefaulting to user installation because normal site-packages is not writeable\nCollecting pandas   Using cached pandas-1.1.4.tar.gz (5.2 MB)\nInstalling build dependencies ... -\nGetting requirements to build wheel ... done\nPreparing wheel metadata ... done\nRequirement already satisfied: numpy>=1.15.4 in ./Library/Python/3.8/lib/python/site-packages (from pandas) (1.19.4)\nCollecting pytz>=2017.2\nDownloading pytz-2020.4-py2.py3-none-any.whl (509 kB)\n |\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88| 509 kB 1.2 MB/s \nRequirement already satisfied: python-dateutil>=2.7.3 in ./Library/Python/3.8/lib/python/site-packages (from pandas) (2.8.1)\nRequirement already satisfied: six>=1.5 in /Library/Developer/CommandLineTools/Library/Frameworks/Python3.framework/Versions/3.8/lib/python3.8/site-packages (from python-dateutil>=2.7.3->pandas) (1.15.0)\nBuilding wheels for collected packages: pandas\nBuilding wheel for pandas (PEP 517) ... \\\n
Run Code Online (Sandbox Code Playgroud)\n

我已经被这个屏幕困住好久了。最短 15 分钟。我可以听到电脑风扇全速运转的声音,笔记本电脑也变热了。为什么要花这么长时间?因为它只是一个小库...我不记得以前在其他 MacOs 版本上安装它时花了这么多时间...我做错了什么吗?谢谢。

\n

Ees*_*aan 11

就我而言,尝试构建 15 20 分钟后失败了。然后我使用升级了 pip python3 -m pip install --upgrade pip。在此之后,直接下载了轮子,并在几秒钟内安装了软件包。

  • 这对蒙特雷来说就像一个魅力 (3认同)

ran*_*mir 3

看起来 Pip 找不到适合您的平台(macOS 11.0,Python 3.8)的Pandas 轮子。最接近的可用匹配适用于 macOS 10.x。相反,Pip 需要在安装之前构建轮子(编译并链接库)。

未经测试,我无法确定,但我怀疑Big Sur 上的平台标签macosx_10_9_x86_64已从 更改为macosx_11_0....

在 numpy/pandas 维护者为您的平台发布二进制轮子之前,一种选择是自己构建它们。

似乎自制 Python 不会遇到这个问题,所以你可能想尝试一下