python环境依赖冲突问题（1）

您遇到的这个错误是一个 环境依赖冲突问题，它不是我们编写的代码逻辑错误，而是 Python 包版本不兼容导致的。以下是详细分析和解决方案：

❌ 错误根本原因

ImportError: cannot import name 'find_stack_level' from 'pandas.util._exceptions'

这个错误说明：

• 您当前环境中某个包（如 IPython, stack_data, executing 等）依赖的 pandas 版本过旧或不兼容
• find_stack_level 是 pandas 较新版本中的函数，但某些旧版工具链试图从错误路径导入它
• 常见于 Anaconda 环境中混合使用 pip 安装包 导致的依赖冲突

✅ 解决方案（推荐顺序）

✅ 方案 1：升级 pandas 和相关包（最快）

在您的 Anaconda 环境中运行：

# 升级 pandas 到最新稳定版
conda update pandas -n myev# 或使用 pip（推荐在 conda 后）
pip install --upgrade pandas ipython stack-data executing# 如果仍有问题，强制重装
pip uninstall pandas -y
pip install pandas

⚠️ 注意：不要混用 conda 和 pip 安装同一组包，优先使用 conda。

✅ 方案 2：创建干净的新环境（最稳妥）

# 创建新环境
conda create -n customer_analysis python=3.9# 激活环境
conda activate customer_analysis# 安装核心包
conda install pandas numpy jupyter scikit-learn# 安装 CLV 专用包
pip install lifetimes shap fastparquet# 启动 Jupyter
jupyter notebook

然后重新运行代码，99% 的概率解决此问题。

✅ 方案 3：修复代码兼容性（临时绕过）

如果您暂时无法修改环境，可以修改 add_temporal_diffs() 方法中的代码，避免使用可能导致问题的链式操作：

def add_temporal_diffs(self, df: pd.DataFrame, target_date_col: str = None, prefix: str = '') -> pd.DataFrame:df = df.copy()date_col = target_date_col or self.date_colpre = prefix or ('' if not date_col.endswith('date') else date_col.split('_')[0])df[date_col] = self._ensure_datetime(df[date_col])df = df.sort_values([self.card_col, date_col]).reset_index(drop=True)group = df.groupby(self.card_col)timedelta = group[date_col].diff()p = f"{pre}_".strip('_') + '_' if pre else ''# 修改这里：分步计算，避免链式调用触发 bugseconds = timedelta.dt.total_seconds()hours = seconds / 3600df[f'{p}day_diff'] = timedelta.dt.days.fillna(-1).astype(int)df[f'{p}hour_diff'] = hours.fillna(-1).astype(int)  # 先 fillna 再 astypedf[f'{p}month_diff'] = ((df[date_col].dt.year - group[date_col].shift(1).dt.year) * 12 +(df[date_col].dt.month - group[date_col].shift(1).dt.month)).fillna(-1).astype(int)return df

🔍 如何验证问题已解决？

运行这段诊断代码：

import pandas as pd
import IPythonprint("Pandas version:", pd.__version__)
print("IPython version:", IPython.__version__)# 测试是否能正常导入
from pandas.util._exceptions import find_stack_level
print("✅ find_stack_level imported successfully")

如果最后一行打印成功，说明环境已修复。

🛠️ 预防建议

✅ 使用 conda env export > environment.yml ， 固化稳定环境
✅ 避免 pip 和 conda 混用 ， 尤其是核心包（pandas, numpy）
✅ 定期清理环境 conda clean --all， 防止缓存污染
✅ 使用虚拟环境隔离项目 ， conda create -n proj_x python=3.9

✅ 总结

👉 推荐立即执行方案 2（新建环境），这是最彻底、最安全的解决方式。

另外，可以生成一个完整的 environment.yml 文件吗，直接用它创建完美兼容的分析环境。