先检查报错链中首个失败模块：若import numpy失败，则优先解决numpy依赖；若import scipy失败，再处理scipy；最后才是sklearn。Windows需装Microsoft Visual C++ 2015-2022 Redistributable（x64），推荐用Gohlke预编译whl包（按numpy→scipy→sklearn顺序安装），conda环境务必用conda install而非pip混装。
sklearn导入失败时，先看报错链里具体卡在哪一层
错误信息里 ImportError: DLL load failed 本身不指明问题根源，真正关键的是它上面几行 traceback 指向的模块路径。比如出现 from scipy.sparse.linalg import lsqr 报错，说明问题在 scipy；如果停在 from .pairwise_fast import _chi2_kernel_fast，那实际是 sklearn 自身的 C 扩展没加载成功，但根源往往还是 numpy 或 scipy 的底层依赖缺失。
不要一上来就重装全部包。用以下步骤快速定位：
- 单独运行
python -c "import numpy"，看是否报错 - 再试
python -c "import scipy" - 最后试
python -c "import sklearn"
哪个最先失败，就优先处理那个包。90% 的情况，numpy 或 scipy 先挂掉，sklearn 是被连带拖垮的。
Windows 上必须装 Microsoft Visual C++ Redistributable
sklearn 及其依赖（尤其是带 MKL 加速的 numpy/scipy）需要系统级运行时支持。如果没装或版本不对，DLL load failed 几乎必然发生，且错误不提示缺哪个 DLL，只说“找不到指定的模块”。
立即学习“Python免费学习笔记（深入）”；
确认已安装以下两个运行库（64 位 Python 对应 x64 版本）：
-
Microsoft Visual C++ 2015-2022 Redistributable (x64)（最新版即可，覆盖旧版） - 如果你用的是 Python 3.7–3.9，额外检查是否装了
Visual C++ 2015 Redistributable（单独安装包名含vc140）
去微软官网下载页面直接搜关键词，不要依赖系统自带或第三方清理工具删掉的旧版本。装完重启命令行再试。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
用 Gohlke 的 whl 包替代 pip 默认安装
pip 默认安装的 numpy 和 scipy 是纯 Python + OpenBLAS 版本，Windows 下容易因编译环境差异导致 DLL 路径混乱；而 Gohlke 提供的 numpy‑mkl 和 scipy whl 是预编译、带 Intel MKL 加速、DLL 路径硬编码好的稳定版本，兼容性远高于 pip 源。
操作步骤（以 Python 3.8、64 位为例）：
- 访问 https://www.php.cn/link/43e3f815cf7fe4dc813ba16eef04e1da，下载：
numpy‑1.21.6+mkl‑cp38‑cp38‑win_amd64.whlscipy‑1.7.3‑cp38‑cp38‑win_amd64.whlscikit_learn‑1.0.2‑cp38‑cp38‑win_amd64.whl - 逐个卸载：
pip uninstall numpy scipy scikit-learn - 按顺序安装（必须先 numpy，再 scipy，最后 sklearn）：
pip install D:\download\numpy‑1.21.6+mkl‑cp38‑cp38‑win_amd64.whl，依此类推
注意：文件名中的 cp38 必须和你的 Python 版本严格匹配，win_amd64 对应 64 位系统。下错版本会报 is not a supported wheel on this platform。
conda 环境下别混用 pip 安装 sklearn
如果你用的是 Anaconda 或 Miniconda，conda install scikit-learn 是首选。conda 会自动拉取与当前环境 ABI 兼容的 numpy/scipy/mkl 组合，路径和 DLL 由 conda 统一管理。
一旦你用 pip install scikit-learn 强行覆盖过，conda 环境就可能进入“半 pip 半 conda”状态，DLL 加载路径错乱，后续任何重装都难以恢复。
稳妥做法：
- 新建干净环境：
conda create -n ml-env python=3.8 - 只用 conda 装：
conda activate ml-env && conda install numpy scipy scikit-learn - 避免在 conda 环境中执行
pip install，除非明确知道某包没有 conda 版本且你已验证其 DLL 兼容性
最麻烦的情况是：你在 PyCharm 里配了 conda 解释器，但终端默认走的是 pip 全局环境——这时 import 成功与否取决于你当前 shell 激活的是哪个环境，极易误判。
