各种原因，2025年了，还需要给Python3.9版本离线安装pandas库。

安装顺序：参考Pandas库离线安装教程（保姆教程）_pandas离线安装-CSDN博客

文章写的简洁明了，照做即可，涉及下载及安装numpy，six，python-dateutil，pytz，tzdata库。

主要问题出在离线库下载时，下载相应的whl类型文件时，要根据自己的python版本号和操作系统类型选择，目前最新的下载地址中，已无支持python3.9的numpy版本，只能先查Python3.9对应的numpy版本，在网上逐一查找对应的文件，这种方法效率越低，后面发现使用“numpy cp39”关键字搜索更快。

库 下载地址 版本 备注
numpy https://download.csdn.net/download/zizhuangzhuang/89436713?utm_medium=distribute.pc_relevant.none-task-download-2~default~baidujs_baidulandingword~default-9-89436713-blog-112544934.235^v43^pc_blog_bottom_relevance_base9&spm=1001.2101.3001.4242.6&utm_relevant_index=12 Python 3.9 兼容的 NumPy 版本_numpy版本-CSDN博客 可以用numpy cp39搜索

# pandas # python # 开发语言
Logo
NVIDIA DRIVE 智能汽车专区

更多推荐

基于5090D服务器的NVIDIA Alpamayo实验

本文介绍了在NVIDIA 5090D服务器上部署和运行Alpamayo自动驾驶大模型的全过程。Alpamayo是由NVIDIA社区开发的开源VLA（视觉-语言-动作）模型，具有10B参数规模，支持可解释的驾驶决策和多模态轨迹规划。实验环境搭建包括：创建Python 3.12虚拟环境、安装git/uv工具、配置Hugging Face访问权限，并从ModelScope下载模型权重。通过修改推理脚本路

avatar NVIDIA DRIVE 智能汽车专区
cover

NVIDIA智能汽车技术实战营笔记——Alpamayo

avatar NVIDIA DRIVE 智能汽车专区

看完 Alpamayo 的施工区案例，我想起了园区里的那些车

园区物流项目做久了，会发现视频告警最不缺的就是“异常”。真正费时间的，是弄清楚异常为什么发生，以及接下来该怎么处理。一段十几秒的行车视频里，可能同时有施工锥、作业车辆、行人和正在减速的前车。普通视觉模型可以把它们一一框出来，却未必能回答那个更接近业务的问题：这些东西和当前车辆有什么关系？此刻应该继续走、先减速，还是向旁边让一点？

avatar NVIDIA DRIVE 智能汽车专区