优先换conda：conda install numpy可绕过Linux/macOS编译依赖、版本不匹配及PyPI源问题，自带预编译包，支持Python 3.13和arm64架构，配合清华镜像加速且环境隔离干净。
pip install numpy 失败时，优先换 conda
直接用 pip install numpy 在 Linux/macOS 上失败，八成不是你操作错了，而是它真没法编译——缺 gcc、libopenblas-dev、python3-dev，或者 Python 版本太新（比如 3.13）但 pip 源还没同步 wheel。这时候硬补依赖、降级、换源，不如切到 conda：它自带全平台预编译二进制包，不编译、不报错、不看系统环境。
关键点：conda 不走 PyPI，而是从 anaconda.org 或国内镜像拉取已打包好的 .tar.bz2 包，numpy、scipy、pandas 全部开箱即用。
- 不用装
build-essential、libatlas-base-dev等系统级依赖 - 自动解决 BLAS/LAPACK 底层绑定（OpenBLAS vs Intel MKL），无需手动配置
- Python 3.13 支持已上线（截至 2026 年 5 月），
conda install numpy默认拉取适配版本 - 虚拟环境隔离天然干净，避免 pip 和系统 Python 解释器路径打架
清华 conda 镜像加速安装（国内用户必设）
默认 conda 源在国外，下载慢、超时、404 是常态。清华镜像已同步全部主流 channel（defaults、conda-forge），且支持 numpy 所有架构（linux-aarch64、osx-arm64、win-64）。
执行以下命令一次性配置：
立即学习“Python免费学习笔记（深入）”；
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes
验证是否生效：
运行 conda search numpy，看到大量 linux-64、osx-arm64 等平台标识，且版本号齐全（如 2.1.0、1.26.4），说明镜像已就位。
- 别用
conda install -c conda-forge numpy临时加 channel——容易漏掉依赖链中的其他包（如libblas） - 如果之前用过
pip install numpy失败，建议先pip uninstall numpy再走 conda，避免混合安装导致ImportError: numpy.core._multiarray_umath failed to import - PyCharm 中使用 conda 环境时，务必在
Settings > Project > Python Interpreter里选中 conda 创建的解释器路径（形如~/miniconda3/envs/myenv/bin/python），而不是系统/usr/bin/python
conda install 失败？检查这三件事
极少数情况 conda 也会卡住或报错，不是镜像问题，而是本地环境干扰：
-
conda update conda—— 旧版 conda（ -
conda clean --all—— 清掉损坏的缓存包（尤其曾中断过下载） -
conda activate base后再conda install numpy—— 避免当前 shell 未激活任何环境，conda 默认往base装，但 PyCharm 指向的是另一个 env
错误示例：CondaHTTPError: HTTP 000 CONNECTION FAILED → 本质是 DNS 或代理没切过去，不是网络不通；此时运行 conda config --show channels 看输出的 URL 是否全是 tuna.tsinghua.edu.cn，否则配置未生效。
Windows 上 pip 还是失败？直接下 .whl 手动装
如果你被锁死在不能装 conda 的环境（比如公司内网只放行 pip），又碰上 Unable to find vcvarsall.bat 或 Microsoft Visual C++ 14.0 is required，别折腾 VS 工具链——去 PyPI numpy 页面 手动下载对应 .whl 文件。
注意三个匹配项：
- Python 版本：如
cp39对应 Python 3.9，cp312对应 3.12（2026 年主流） - 系统架构：
win_amd64（Intel/AMD 64 位）、win_arm64（Win11 on ARM） - 文件名后缀不能有多余字符，例如
numpy-2.1.0-cp312-cp312-win_amd64.whl是合法的，而numpy-2.1.0-cp312-cp312-win_amd64(1).whl会报invalid wheel filename
下载后，在终端进入该文件所在目录，运行：
pip install numpy-2.1.0-cp312-cp312-win_amd64.whl
比所有自动安装方式都快，且 100% 绕过编译。
真正麻烦的从来不是 numpy 本身，而是你当前环境和安装工具之间的信任链断在哪一环——conda 切镜像、pip 下 wheel、PyCharm 指对解释器，三者只要有一处没对齐，就会反复触发 ModuleNotFoundError。
