np.int在NumPy 1.24+中被彻底移除，因自1.20起已弃用；错误触发场景包括np.int(3.14)、dtype=np.int等；应按场景替换为int、np.int64、np.int32或np.int_。

np.int 在 NumPy 1.24+ 中已被彻底删除

不是 Python 3.10 的问题，而是 NumPy 自身的演进结果：从 NumPy 1.24 开始，np.int（以及 np.float、np.bool 等）这些内置类型别名被**完全移除**。它们早在 NumPy 1.20 就已标记为 deprecated，升级到 1.24 后再调用就会抛出 AttributeError: module 'numpy' has no attribute 'int'。

哪些写法会触发这个错误

以下常见模式在较新 NumPy 下全部失效：

• np.int(3.14) —— 误当 Python 内置 int() 用
• np.array([1, 2], dtype=np.int) —— dtype 参数中使用别名
• def func(x: np.int) -> np.int: —— 类型注解里直接写 np.int
• isinstance(x, np.int) —— 运行时类型检查

该换什么？按场景选最合适的

替换不是“一刀切”，得看你在做什么：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

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

下载

• 只是做类型转换（比如 np.int(3.14)）→ 改用 Python 原生 int(3.14)
• 创建数组指定整数类型（dtype=np.int）→ 明确选 np.int64 或 np.int32，推荐 np.int64（64 位系统默认）
• 需要平台无关的“默认整数” → 用 np.int_（注意下划线），它等价于 C 的 long，但仍是明确类型
• 类型注解 → 直接写 int（Python 标准类型），或 np.integer（基类，不常用）

容易被忽略的第三方库兼容性陷阱

即使你本地代码全改完了，仍可能报错，因为：

• scikit-learn、pandas、matplotlib 等老版本依赖了 np.int
• 某些私有工具包或公司内部封装层硬编码了该别名
• pip install --upgrade numpy 后没同步升级其他库，导致运行时冲突

验证方式：运行 python -c "import numpy as np; print(np.__version__)" 确认是 ≥1.24，再检查 pip list | grep -i "scikit-learn\|pandas"，必要时升级到支持 NumPy 1.24+ 的版本（如 scikit-learn ≥1.2.0）。

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！