python，numpy，pandas和matplotlib版本对应关系

Ne0inhk

— 2 min read

下面是Python、NumPy、Pandas、Matplotlib的版本对应关系表（基于官方兼容性文档和实践验证，包含常用Python版本），同时补充了推荐的稳定组合：

常用Python版本对应的库兼容版本

Python版本NumPy兼容版本Pandas兼容版本Matplotlib兼容版本推荐稳定组合示例
3.8.x1.19.x ~ 1.21.x1.1.x ~ 1.3.x3.3.x ~ 3.5.xPython3.8 + NumPy1.21.6 + Pandas1.3.5 + Matplotlib3.5.3
3.9.x1.19.x ~ 1.24.x1.1.x ~ 1.5.x3.3.x ~ 3.7.xPython3.9 + NumPy1.23.5 + Pandas1.4.4 + Matplotlib3.6.3
3.10.x1.21.x ~ 1.24.x1.4.x ~ 2.0.x3.5.x ~ 3.7.xPython3.10 + NumPy1.24.3 + Pandas1.5.3 + Matplotlib3.7.2
3.11.x1.23.x ~ 2.0.x1.5.x ~ 2.2.x3.6.x ~ 3.8.xPython3.11 + NumPy1.26.4 + Pandas2.1.4 + Matplotlib3.8.3
3.12.x1.26.x ~ 2.0.x2.1.x ~ 2.3.x3.8.x ~ 3.9.xPython3.12 + NumPy2.0.2 + Pandas2.3.3 + Matplotlib3.9.2

关键说明

  1. 版本范围：表中是主流兼容区间，部分库的新版本可能向下兼容（如Matplotlib3.8也支持Python3.10）；
  2. 推荐组合：优先选择同时间线的稳定版本（避免跨版本过大），例如Python3.8搭配NumPy1.21（最后支持3.8的版本）；
  3. 依赖约束：
    • Pandas依赖NumPy（如Pandas2.3要求NumPy≥1.26）；
    • Matplotlib依赖NumPy（如Matplotlib3.8要求NumPy≥1.21）；

安装建议：用pip install "库名>=最低版本,<最高版本"锁定范围，例如：

pip install"numpy>=1.21,<1.22""pandas>=1.3,<1.4""matplotlib>=3.5,<3.6"

注: c:\users\administrator\appdata\roaming\python\python38注意这个目录下的包的干扰

Read more

【LeetCode经典题解】平衡二叉树高效判断：从O(n²)到O(n)优化

【LeetCode经典题解】平衡二叉树高效判断：从O(n²)到O(n)优化

🎁个人主页：User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏：Java.数据结构 【前言】 在数据结构的知识体系里，平衡二叉树是确保二叉树各类操作高效执行的关键存在。力扣平台上“判断二叉树是否为平衡二叉树”这一经典问题，看似解法直观，实则能通过不同的解题思路，清晰展现出算法效率的天差地别，从最开始直观却低效的递归方式，到经过巧妙优化后的高效递归策略，背后蕴含着对平衡二叉树本质的深度剖析与精准把握。 这里写目录标题 * 一、平衡二叉树 * 二、思路分析 * 方法一：时间复杂度为O(n^2) * 方法二：时间复杂度为O(n) * 三、代码展示 * 四、总结 一、平衡二叉树 平衡二叉树又称AVL树：当一棵空树或者它的左右两棵字数的高度差的绝对值不超过一，并且两棵子树都是平衡二叉树 【注意】 任意节点的左右子树高度差不超过一；所以子树都满足平衡条件； 二、思路分析 方法一：时间复杂度为O(

By Ne0inhk
Transformer实战（9）——Transformer分词算法详解

Transformer实战（9）——Transformer分词算法详解

Transformer实战（9）——Transformer分词算法详解 * 0. 前言 * 1. 子词分词算法 * 2. 加载预训练分词器 * 3. 常见字词分词算法 * 3.1 字节对编码 * 3.2 WordPiece * 3.3 SentencePiece * 4. 使用 tokenizers 库训练分词器 * 4.1 训练 BPE * 4.2 训练 WordPiece * 4.3 空分词管道 * 小结 * 系列链接 0. 前言 在自然语言处理领域，高效准确的分词算法是构建强大语言模型的基础。随着 Transformer 架构的广泛应用，子词分词算法已成为处理多语言文本和稀有词汇的关键技术。本文将从理论到实践，全面解析现代自然语言处理 (Natural Language Processing,

By Ne0inhk
优选算法《滑动窗口》

优选算法《滑动窗口》

在优选算法的第一章当中我们了解了双指针算法，相信通过那几道算法题的讲解你已经知道该如何灵活的使用双指针了吧，那么接下来我们就接着来学习下一个优选算法——滑动窗口，你这时可能会疑惑这个算法在之前怎么完全没有听说过，没有关系接下来在本篇当中就将带你一步步的了解滑动窗口的算法原理以及在什么情况下适合使用滑动窗口来解决问题，并且还会通过几道算法题的讲解让你进一步的理解滑动窗口。那么接下来就开始本篇的学习吧！！！ 1.滑动窗口算法 在此滑动窗口算法其实就是一种双指针中的特殊情况，只不过是因为在这种情况下的双指针有特殊的规律，因此我们就单独的将这种双指针的情况单独命名为一种算法，那么滑动窗口算法是什么情况下的双指针算法呢？接下来我们就来了解看看 在使用双指针当中，若出现两个指针从开始到结束一直都是朝着同一个方向移动的，并且都不会出现超另一个方向移动的情况这种就叫做滑动窗口，在此叫做这种算法是因为两个指针一直朝着同一个方向移动就像一个大小可能会变化的窗口一样。   那么了解了滑动窗口是什么之后，你可能会有疑惑了那滑动窗口该怎么用并且滑动窗口为什么算法逻辑是正确的呢，接下来我们就通过

By Ne0inhk
Flutter for OpenHarmony: Flutter 三方库 path_to_regexp 揭秘路由匹配与参数提取的核心算法（路由管道工程师）

Flutter for OpenHarmony: Flutter 三方库 path_to_regexp 揭秘路由匹配与参数提取的核心算法（路由管道工程师）

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net 前言 在进行 OpenHarmony 的应用架构设计时，我们经常需要处理“动态路由”。 * 页面路径模式：/profile/:userId * 实际跳转路径：/profile/9527 如何在众多的路由规则中，快速匹配到正确的页面，并精准提取出其中的动态参数 userId = 9527？这背后的核心驱动力，正是 path_to_regexp。它是 go_router、auto_route 等几乎所有顶级路由框架共享的底层逻辑库。 一、路由解析链路模型 该库将人类易读的路径模式，转化为机器可高效执行的正规表达式。 路径模式 ('/user/:id') path_to_regexp 编译器 高性能 RegExp (正则) 路径匹配

By Ne0inhk