如何在 Apple Silicon (OSX-ARM64) 上安装 Python 3.7?
无法在 osx-arm64 上安装 Python 3.7
问题:
尝试使用 Python 3.7 创建新环境时使用 Conda 时出现错误,表明 Python 3.7 不适用于 osx-arm64 (Apple Silicon)。
Answer:
No Native Builds available
Python 3.7 从未正式为 osx-arm64 构建,因为 Apple Silicon 是在 Python 3.8 推出一年后发布的。
解决方法:模拟
在 Apple Silicon 系统上使用 Python 3.7 的直接替代方案包括通过 Rosetta 使用模拟或使用 Docker 等容器系统。
创建 osx-64 环境
要使用 Rosetta 模拟 x86_64,请按以下方式创建 osx-64 环境:
- 创建空环境:conda create -n py37
- 激活环境:conda activate py37
- 设置 x86_64 架构通道:conda config --env --set subdir osx-64
- 安装 Python 和其他软件包:conda install python=3.7 numpy
YAML
另一种方法是使用 YAML 环境定义:
- 从 YAML 创建环境: CONDA_SUBDIR=osx-64 conda env create -n py37 -f py37.yaml
- 激活环境:conda activate py37
- 设置 x86_64 架构通道:conda config --env --set subdir osx-64
虚拟化和 Parallels
除了模拟之外,还可以利用 Parallels 等虚拟化解决方案在 Apple Silicon 硬件上的虚拟化环境中运行 x86_64 程序。
长期解决方案
请求 python-feedstock 的本机构建包含用于 osx-arm64 的 Python 3.7 是可能的,但由于 Python 3.7 已在其中,因此不太可能被采纳它的维护阶段和依赖项不可用。
以上是如何在 Apple Silicon (OSX-ARM64) 上安装 Python 3.7?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。 Python以简洁和强大的生态系统着称,C 则以高性能和底层控制能力闻名。

Python在游戏和GUI开发中表现出色。1)游戏开发使用Pygame,提供绘图、音频等功能,适合创建2D游戏。2)GUI开发可选择Tkinter或PyQt,Tkinter简单易用,PyQt功能丰富,适合专业开发。

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

2小时内可以学会Python的基本编程概念和技能。1.学习变量和数据类型,2.掌握控制流(条件语句和循环),3.理解函数的定义和使用,4.通过简单示例和代码片段快速上手Python编程。

要在有限的时间内最大化学习Python的效率,可以使用Python的datetime、time和schedule模块。1.datetime模块用于记录和规划学习时间。2.time模块帮助设置学习和休息时间。3.schedule模块自动化安排每周学习任务。

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。

Python在web开发、数据科学、机器学习、自动化和脚本编写等领域有广泛应用。1)在web开发中,Django和Flask框架简化了开发过程。2)数据科学和机器学习领域,NumPy、Pandas、Scikit-learn和TensorFlow库提供了强大支持。3)自动化和脚本编写方面,Python适用于自动化测试和系统管理等任务。
