应优先用conda install numpy,因其提供预编译二进制包、自动链接MKL、避免编译失败;安装前须激活目标环境,gdal等复杂库需指定conda-forge渠道并配置清华镜像加速。

conda install numpy 是最稳妥的方式,不是“可以”,而是“应该”优先用它,尤其当你装的是 gdal、matplotlib 这类带二进制依赖的库。
为什么不能直接 pip install numpy?
NumPy 底层调用 BLAS/LAPACK 数学库,pip install numpy 在没装 Fortran 编译器或系统级线性代数库时大概率编译失败;而 conda install numpy 拿到的是预编译好的 wheel(Windows/Linux/macOS 各平台都有),还默认链接 Intel MKL,开箱即高性能。同理,gdal 依赖 GEOS、PROJ、SQLite 等 C/C++ 组件,用 pip 装基本等于手动配环境,conda 一条命令就解决。
安装前必须确认当前环境是否激活
很多人输完 conda install numpy 却发现 Python 里 import 失败,问题往往出在没激活目标环境。检查终端提示符前是否有括号,比如:(myenv)。如果没有,说明你还在 base 环境或根本没激活:
- 查看已有环境:
conda env list - 激活指定环境:
conda activate myenv - 确认当前 Python 解释器路径:
which python(Linux/macOS)或where python(Windows)
gdal 必须加 conda-forge 渠道
gdal 官方 conda 主源不维护最新版,主流用法是:
conda install -c conda-forge gdal
注意两点:
Miniconda py314_26.5.3-2 Linux x86_64 安装脚本,来自 Anaconda 官方 Miniconda 下载目录,适合服务器、工作站和容器环境配置轻量 Conda 与 Python。
- 不要写成
conda install conda-forge::gdal(语法错),-c才是正确参数 - 如果同时装多个包(如
gdal+fiona+rasterio),统一走 conda-forge 渠道能避免 ABI 不兼容——混用默认源和 conda-forge 可能导致ImportError: cannot import name 'xxx' from 'osgeo'
国内镜像加速不是可选项,是必选项
默认 conda 源在国外,下载 gdal 这种几百 MB 的包极可能超时中断。推荐一次性配置清华镜像:
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
配置后,conda install gdal 实际会从清华镜像拉取,速度提升 5–10 倍。注意:如果之前手动改过 .condarc,先运行 conda config --show channels 确认顺序——conda 总是优先使用列表最上方的 channel。
真正容易被忽略的点是:**环境隔离本身不是目的,而是为了防止不同项目间底层数学库(如 MKL vs OpenBLAS)打架**。哪怕只装一个 numpy,也建议先 conda create -n myproject python=3.9 再装,否则 base 环境越用越臃肿,某天 conda update --all 就可能让整个科学计算栈崩掉。










