pip 安装 sklearn 报已废弃，依赖名应写 scikit-learn

pip 安装时报 The 'sklearn' PyPI package is deprecated, use 'scikit-learn'，或生成 sklearn 的 wheel 时退出。这项错误通常来自 sklearn 占位发行包自己的安装保护，应检查是谁把 sklearn 写进了安装依赖。反复升级 pip，不会替你改掉这个依赖名。

Python 代码仍然使用 import sklearn。需要改的是 pip 的发行包名称及依赖元数据，不要把代码批量替换成 import scikit_learn。

发行包名与导入名不同

实际库的 PyPI 发行名是 scikit-learn，代码中的模块名称是 sklearn。这两种名称一直可以不同，不能说项目从 sklearn 改名之后，所有 import 都要迁移。

已核对的 sklearn 0.0.post12 安装源码在相关构建路径主动退出，并给出上述信息；它不是完整库安装到了错误位置。若日志是其他包的编译失败、动态库加载失败或普通 ModuleNotFoundError，应按具体错误另查，不能仅看到 sklearn 就套用名称修正。

先查看完整安装输出、输入清单和锁定依赖，找到直接声明或间接要求 sklearn 的那一个位置。确认目标解释器，可用同一环境查看发行包元数据：

python -m pip --version
python -m pip show scikit-learn

python 必须是实际任务使用的解释器，不是随便另开终端找到的一份 Python。多个环境之间的差异可查安装与运行的 Python 路径。

自己的清单，修改发行名称并保留兼容要求

检查 requirements.txt、pyproject.toml、setup.cfg 或 setup.py 的依赖声明，把错误的 sklearn 安装依赖改为 scikit-learn。版本要求也要按实际库版本核对，不能把占位包的 0.0.post12 当成库的版本。

已有项目按原清单与锁定流程安装。只演示直接命令时，正确名称是：

python -m pip install scikit-learn

这条会改变当前环境，没有指定版本不代表适合所有旧项目。实际执行应使用项目已审定、符合 Python 与其他依赖要求的版本约束；不要为消除报错无条件升级全套科学计算依赖。

代码通常继续保持：

import sklearn

若同时看到 sklearn 和 scikit-learn 两份元数据，不代表需要卸载真正的库重装。两者是不同的发行记录，处置历史占位记录时要按环境管理方式核对，避免误删正常依赖。

间接依赖还在要求 sklearn，单独安装库不够

安装 scikit-learn 后，再装另一个旧包仍会触发同一错误，是因为那个包的依赖元数据可能继续要求 sklearn。pip 不会因两个名字相关，就把 scikit-learn 自动当作另一项发行要求已经满足。

根据安装日志和依赖清单定位真正的声明者，再选择修正依赖名称的兼容发布版本。自己维护该包时，修改项目元数据、重新构建，并按正式依赖更新流程替换；不要只手改某台机器的已安装文件。

SKLEARN_ALLOW_DEPRECATED_SKLEARN_PACKAGE_INSTALL 可以在该占位包提供的后备路径中绕过保护，但没有修复错误声明。不应把它加入全局环境或所有 CI；必须临时保留旧依赖时，也要限定受控环境、记录后续替换计划，并继续验证实际功能。

绕过这一条后出现 lxml 或其他包的导入失败，是新的依赖问题，不能因此断言名称修正无效，也不能仅凭安装结束就认为原业务已恢复。

从原安装入口检查恢复

保存原依赖清单及锁定结果，在独立环境按项目正常入口安装，确认不再请求错误的占位包。使用同一解释器导入 sklearn，再运行原来需要的模型或业务功能。

验收还包括依赖版本、运行兼容性和可重复安装。仅成功 import 不能证明模型加载、数据处理或其他间接依赖都正常。恢复旧清单时一起恢复对应锁定结果；手工提前安装一个包，不应成为其他机器无法重复的隐含前提。