Python pip安装SciPy速度慢怎么解决

在使用 Python 进行科学计算或数据分析时，通过 pip install scipy 安装 SciPy 经常会出现下载速度仅有几十 KB/s、连接反复超时中断，或者终端长时间停滞在 Building wheel for scipy 阶段不动的问题。最直接且立竿见影的解决办法是在安装命令中指定国内高速镜像源，并增加网络超时时间。例如使用清华大学镜像源执行：pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100。若要彻底根治速度慢和本地构建卡顿，还需要了解其底层成因并配合全局换源与 Wheel 预编译包机制。

一、深入剖析：为什么 pip 安装 SciPy 会特别慢？

很多开发者在安装像 requests 或 flask 这类纯 Python 库时感觉速度正常，唯独在安装 scipy、numpy 时非常缓慢甚至卡死。这主要由两方面的根本原因导致：

• 官方 PyPI 服务器位于海外：pip 默认连接官方仓库（pypi.org），跨国网络延迟高且带宽受限。SciPy 的预编译二进制安装包（Wheel）体积通常在 30MB 至 50MB 之间，在网络不佳时极易触发 pip 默认的 15 秒连接超时（ReadTimeoutError）。
• 触发了低效的本地源码编译：如果当前 Python 环境过旧、过新，或者缺少匹配当前操作系统架构的 Wheel 文件，pip 就会自动下载体积较小的 .tar.gz 源码包并在本地编译。SciPy 包含大量高度优化的 C、C++ 和 Fortran 代码，依赖底层的 BLAS/LAPACK 库。在本地编译不仅需要完整编译器链，通常还需要消耗大量 CPU 资源编译 20 到 40 分钟，甚至最终由于缺少系统依赖直接报错退出。

二、排查与加速决策流程

解决 SciPy 安装缓慢需要按照合理顺序排查：首先确保本地包管理工具支持现代二进制格式，其次通过镜像源解决下载速率，最后借助参数阻止低效的本地源码构建。

三、方案一：使用国内高速镜像源（临时与永久配置）

国内多家高校与云厂商提供了完整的 PyPI 官方镜像，这些镜像每隔数分钟与官方源同步一次，带宽充裕、访问延迟低，是解决下载缓慢最直接的手段。

1. 临时指定镜像源（单次安装）

如果只是偶尔安装一次，或者在临时测试环境、CI/CD 自动化构建脚本中，可以使用 -i 参数临时指定镜像源地址。同时推荐加入 --default-timeout 参数，防止大文件拉取时偶发抖动：

# 使用清华大学镜像源（推荐）
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100

# 或使用阿里云镜像源
pip install scipy -i https://mirrors.aliyun.com/pypi/simple/ --default-timeout=100

# 或使用腾讯云镜像源
pip install scipy -i https://mirrors.cloud.tencent.com/pypi/simple/ --default-timeout=100

2. 永久配置全局镜像源（一劳永逸）

如果希望今后所有 pip install 命令都自动走国内镜像源，无需每次输入长命令，可以通过 pip 内置的 config 命令将镜像地址写入配置文件：

# 设置默认镜像源为清华大学镜像
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 设置安装超时时间为 100 秒
pip config set global.timeout 100

执行完成后，pip 会自动在系统的用户主目录下生成配置文件（Windows 位于 %APPDATA%\pip\pip.ini，Linux/macOS 位于 ~/.config/pip/pip.conf）。配置完成后，直接输入标准命令即可享受高速下载：

pip install scipy

四、方案二：避免本地耗时编译，确保获取预编译 Wheel

有时候即使用了国内镜像源，终端依然卡在 Building wheel for scipy (setup.py) ...，下载很快但安装卡死。这说明 pip 并没有下载现成的二进制 .whl 文件，而是下载了源码并在本地执行编译。

1. 升级 pip 与 wheel 构建工具

老版本的 pip 往往无法识别当前系统的新架构（例如 macOS ARM64、现代 Linux 的 manylinux_2_28 标签），导致它误以为没有适合本机的 Wheel，进而错误退回源码模式。第一步必须升级构建基础工具：

python -m pip install --upgrade pip setuptools wheel

2. 使用 --only-binary 参数强制只用二进制包

如果不希望 pip 在缺少预构建轮子时自动开始本地编译，可以加上 --only-binary :all: 参数：

pip install scipy --only-binary :all: -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 注意 Python 版本的兼容性

官方和主流科学计算维护团队为各主流 Python 版本制作 Wheel 需要一定周期。如果在刚发布不久的最新 Python 版本（如 Python 3.13 刚发布早期）或很老的版本（如 Python 3.6 及以下）上安装 SciPy，官方仓库中可能根本没有对应平台的 .whl。遇到此类情况，建议创建并使用兼容性最广的稳定 Python 版本环境（如 Python 3.10 或 3.11）。

五、端到端四步标准操作演练

以下将上述操作整合为清晰、连贯的四个步骤。只要按照该流程执行，即可在 1 到 2 分钟内顺利完成 SciPy 的安装与验证。

步骤一：升级本地构建套件

python -m pip install --upgrade pip setuptools wheel

该命令会拉取最新版本的 pip 和 wheel 工具，确保客户端具备解析最新二进制发布规范的能力。

步骤二：写入国内高速镜像配置

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

运行后终端会提示配置文件已写入对应路径。此后无需在命令后手动拼接 -i 参数。

步骤三：执行安装并适当延长超时

pip install scipy --default-timeout=100

终端会显示从清华镜像站直接拉取对应的 .whl 文件，下载速率通常可达到几兆到十几兆每秒，数秒内即可完成下载并自动解压部署。

步骤四：验证库导入状态

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

如果终端成功打印出版本号（例如 SciPy version: 1.13.0）且没有出现 DLL load failed 或 ImportError，说明该包已成功安装且底层数学依赖库完全正常。

六、备选方案与各方案选型对比

在不同工作环境与操作系统中，除了使用 pip 换源外，还有其他可靠的途径获取 SciPy：

• 使用 Conda / Miniconda（推荐科学计算用户）：Conda 本身是专门为科学计算设计的二进制包管理器，它分发 SciPy 时自带完整的 OpenBLAS/MKL 底层动态库，不仅安装快，而且还能避免复杂的动态链接冲突。配置清华 Conda 源后输入 conda install scipy 即可。
• 手动下载 .whl 文件离线安装：在网络受限的内网或服务器上，可以在有网的设备上访问国内镜像站（如 https://mirrors.aliyun.com/pypi/simple/scipy/），找到对应系统平台、Python 版本的 .whl 文件下载后拷贝到目标机器，再通过 pip install scipy-xxx.whl 直接离线安装。

七、常见报错与排查清单

• 报错提示 ReadTimeoutError：

  即使使用了镜像源，如果在网络不佳时仍出现该错误，请在命令中继续加大超时时间，例如 --default-timeout=300，并检查本地是否开启了全局系统代理（部分代理软件可能会拦截或减慢国内镜像请求）。

• 报错提示 No matching distribution found for scipy：

  通常是因为使用了 --only-binary :all: 但当前 Python 版本较新（例如刚发布的 Python 尝鲜版），官方尚未为该版本打包 Wheel。此时应当切换到稍早一点的 Python 稳定版本（如从 3.13 回退至 3.12/3.11）。

• Windows 下提示 Permission denied 或安装失败：

  如果是在系统盘全局 Python 环境中安装，请以管理员身份打开终端运行；更推荐的做法是使用 Python 虚拟环境（python -m venv myenv），在受保护的隔离环境中进行包安装，避免权限问题。