在 macos m1（apple silicon）环境下，混用 conda 环境与 pip（尤其带 sudo）易导致编译失败；推荐统一使用 conda 命令安装指定版本包，避免 wheel 构建错误和架构兼容性问题。

在 macos m1（apple silicon）环境下，混用 conda 环境与 pip（尤其带 sudo）易导致编译失败；推荐统一使用 conda 命令安装指定版本包，避免 wheel 构建错误和架构兼容性问题。

当你在 macOS M1 上使用 Anaconda 创建的虚拟环境（如 my_env）时，应始终优先使用 conda 而非 pip 来管理包——尤其是安装历史版本或科学计算类包（如 NumPy、SciPy、Pandas）。这是因为：

• ✅ conda 是二进制包管理器：它直接下载预编译的、适配 Apple Silicon（arm64）的 wheel 或 conda 包，无需本地编译；
• ❌ pip + sudo 在 conda 环境中风险高：sudo pip install 会绕过 conda 的环境隔离机制，可能写入系统级 site-packages，引发权限冲突、架构不匹配（x86_64 vs arm64），并触发 pyproject.toml 项目强制构建源码（而 M1 上缺少 Fortran 编译器等依赖，导致 Failed to build installable wheels 错误）；
• ⚠️ pip install numpy==1.16.0 失败，但 pip install numpy 成功，正说明较新版本已提供 arm64 兼容 wheel，而旧版本（如 1.16.0）官方未发布 M1 原生 wheel，pip 尝试从源码构建却失败。

✅ 正确做法（推荐）：

conda activate my_env
conda install numpy=1.16.0

? 注意：conda 使用 = 而非 == 指定版本；支持模糊匹配（如 numpy=1.16）和通道指定（如需更老版本可加 -c conda-forge）。

✅ 替代方案（仅当必须用 pip 时）：

提示词大师-python版

图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍

下载

conda activate my_env
# 移除 sudo，确保 pip 指向当前环境
which pip  # 应输出类似 ~/miniforge3/envs/my_env/bin/pip
pip install --no-build-isolation --force-reinstall numpy==1.16.0

但此方式仍可能失败（1.16.0 不支持 Python ≥ 3.8 且无 M1 wheel），不推荐用于生产环境。

? 总结建议：

• 始终优先使用 conda install 管理 conda 环境中的包；
• 避免 sudo pip —— 它破坏环境隔离，且 M1 上易因 Rosetta/架构问题报错；
• 如需混合生态（如 conda + pip），请严格遵循 Conda 官方指南：先 conda 后 pip，并用 pip install --no-deps 避免依赖冲突；
• 对于 M1 用户，推荐使用 Miniforge（原生 arm64 conda 发行版），比 Anaconda 更轻量、更新及时。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！