Python 3.7 安装 SciPy 版本不匹配报错的解决方法

图 0：Python 3.7 环境下 SciPy 安装故障概览与锁定方案

在 Python 3.7 环境中执行 pip install scipy 时出现版本不匹配或编译失败，根本原因在于 SciPy 自 1.8.0 版本起已停止支持 Python 3.7，而旧版本 pip 无法正确解析依赖标记或试图下载源码包进行本地编译。解决此问题的核心路径是：升级 pip 与 wheel 工具链以启用预编译二进制分发，并将 SciPy 明确锁定为支持 Python 3.7 的最终稳定版本 scipy==1.7.3，同时匹配兼容的 numpy<1.22。

典型报错现象与错误信息识别

在 Python 3.7 环境下直接安装 SciPy 时，根据系统所装 pip 的版本以及本地 C/Fortran 编译工具链的完整程度，通常会遇到两类具有代表性的报错信息：

1. pip 解析不到兼容版本或报错找不到匹配分发包

ERROR: Could not find a version that satisfies the requirement scipy (from versions: none)
ERROR: No matching distribution found for scipy

这种报错多见于默认安装的旧版本 pip（例如随 Python 3.7.0 安装的 pip 10 或 18）。较新的 SciPy 安装包在 PyPI 上标注了 python_requires = ">=3.8"。当 pip 版本过旧时，它无法正常识别现代元数据规则，或者在遍历远程版本时过滤掉了所有无法直接匹配的包，导致抛出找不到分发的错误。

2. 触发源码构建并提示构建 wheel 失败

Building wheels for collected packages: scipy
  Building wheel for scipy (setup.py) ... error
  ERROR: Command errored out with exit status 1:
   ...
   numpy.distutils.system_info.NotFoundError: no lapack/blas resources found
   ERROR: Failed building wheel for scipy
ERROR: Could not build wheels for scipy which use PEP 517 and cannot be installed directly

由于远程没有匹配当前环境的预编译二进制包（Wheel），pip 会回退到下载最新的源码分发包（sdist）。然而，SciPy 的底层包含大量 C、C++ 与 Fortran 算法库，在缺少系统级 Fortran 编译器与 BLAS/LAPACK 线性代数库的常规 Python 运行环境中，本地直接编译几乎必然失败。

图 1：SciPy 版本生命周期与 Python 3.7 支持截止分界

核心原因分析：NEP 29 规则与二进制 Wheel 机制

要有效解决版本冲突，需要理清安装程序在幕后发生的两个核心制约因素：

1. Python 3.7 的生命周期终结与上游弃用： NumPy 和 SciPy 遵循科学计算生态的 NEP 29 规范（弃用旧版本策略）。2022 年初发布的 SciPy 1.8.0 设定了最低解释器要求为 python_requires = ">=3.8"。因此，在 Python 3.7 上安装 SciPy，官方所能提供的最高版本就是 1.7.3。

2. 二进制 Wheel 包与源码构建的差异： 在 Windows、macOS 与 Linux x86_64 平台上，SciPy 1.7.3 针对 Python 3.7 均发布了编译好的 .whl 二进制包。然而，如果本地环境中的 pip 和 wheel 模块版本偏老，pip 解析 wheel 标签（例如 cp37-cp37m-win_amd64 或 cp37-cp37m-manylinux2014_x86_64）的能力受限，可能误判为“无适配的预编译包”，从而下载 scipy-1.7.3.tar.gz 源码包执行本地构建，进而引发前文展示的编译失败。

图 2：报错特征与深层原因对应诊断图

标准解决步骤：升级工具链并锁定安装

遵循以下四个步骤，读者可以在不需要配置 C/Fortran 编译环境的前提下，快速恢复 SciPy 在 Python 3.7 下的正常使用。

步骤一：确认当前 Python 环境架构与版本

在终端或命令提示符中，检查当前激活环境中的 Python 版本及二进制架构（确认是 64 位还是 32 位）：

python -c "import platform; print(platform.python_version(), platform.architecture())"

3.7.12 ('64bit', 'WindowsPE')

步骤二：升级基础打包与安装工具链

许多报错的根本症结在于打包工具自身。升级 pip、setuptools 和 wheel 可以让安装器完整支持现代 PyPI 的元数据过滤机制，直接下载对应的 Wheel 文件：

python -m pip install --upgrade pip setuptools wheel

注意：使用 python -m pip 调用比直接执行 pip 更安全，它能确保升级的是当前正在调用的 Python 解释器对应的包管理器，避免多环境路径混淆。

步骤三：锁定兼容的 NumPy 与 SciPy 版本进行安装

SciPy 1.7.3 与 NumPy 之间存在严格的二进制 ABI 依赖。在 Python 3.7 下，推荐使用 1.19.x 至 1.21.x 区间的 NumPy。如果 NumPy 版本高于 1.22，可能由于后续移除部分内部 API 导致运行时警告或导入崩溃。使用以下命令一次性指定依赖范围：

python -m pip install "numpy>=1.16.5,<1.22.0" "scipy==1.7.3"

如果在国内网络环境下下载速度较慢，可以添加国内镜像源参数（例如清华大学镜像源）：

python -m pip install "numpy>=1.16.5,<1.22.0" "scipy==1.7.3" -i https://pypi.tuna.tsinghua.edu.cn/simple

执行后，pip 将直接下载名为 scipy-1.7.3-cp37-cp37m-*.whl 的预编译包，并在数秒内完成安装，不再执行任何本地构建。

图 3：升级、锁定依赖与安装验证的标准操作流程

步骤四：验证安装结果与基本功能

安装完成后，通过命令行快速验证模块是否能被正常加载及版本号是否正确：

python -c "import scipy, numpy; print('SciPy:', scipy.__version__, '| NumPy:', numpy.__version__)"

SciPy: 1.7.3 | NumPy: 1.21.6

随后可执行一段简单的测试代码，验证核心算法模块（如特殊函数或线性代数）能够正常调用：

python -c "from scipy.linalg import inv; import numpy as np; print(inv(np.array([[1, 2], [3, 4]])))"

[[-2.   1. ]
 [ 1.5 -0.5]]

特殊场景与边缘问题排查

如果执行了上述步骤后依然遇到报错，通常属于以下两类边缘特殊场景：

1. Apple Silicon (macOS M1/M2/M3) 芯片机器

Python 3.7 于 2018 年发布，而 Apple Silicon（arm64 架构）在后续才面世。官方从未为 Python 3.7 构建过针对 macosx_*_arm64 的 SciPy 二进制 Wheel。因此在 M 系列芯片的 Mac 上使用原生 arm64 版 Python 3.7 时，pip 必定会尝试编译源码并因缺少 gfortran 报错。

2. 离线环境或企业内网安装

在无法连接外网镜像的受限环境中，如果需要手动部署预编译 Wheel 文件，可提前从 PyPI 归档中下载以下文件并拷贝至目标机器进行本地安装：

• scipy-1.7.3-cp37-cp37m-win_amd64.whl（Windows 64位）
• scipy-1.7.3-cp37-cp37m-manylinux2014_x86_64.whl（Linux 64位）
• scipy-1.7.3-cp37-cp37m-macosx_10_9_x86_64.whl（macOS Intel 64位）

pip install scipy-1.7.3-cp37-cp37m-win_amd64.whl

Python 3.7 与 SciPy 兼容版本速查与总结

为便于后续维护与依赖文件（requirements.txt）固化，下表列出了适用于 Python 3.7 的各主流 SciPy 系列与其匹配的 NumPy 范围：

图 4：环境参数速查矩阵与工程化依赖配置建议

总结而言，遇到 Python 3.7 下 SciPy 的安装报错，不必盲目配置复杂的本地 C/Fortran 编译工具。优先升级 pip 与 wheel，并通过 scipy==1.7.3 配合 numpy<1.22 直接命中官方二进制 Wheel，是兼顾效率与稳定性的最优解决方案。