在工作中，有可能遇到这样一个问题：我前天安装的某个库还能用，今天怎么就不能用了呢？原因很可能是这样的：某些库的依赖包版本冲突了。
假设A库依赖a包版本1.1版本，B库依赖a包的1.0版本。
我们在前天安装了A库，且能正常使用，此时a包为1.1版本。
但是在今天我们安装了B库，它的依赖a包为1.0版本，所以必定导致a包的版本降低。
此时，B包可以正常使用，但是A包优与依赖的a包版本降低导致无法使用。
解决方法：去找是哪些依赖的版本不匹配了，把他们给匹配好。
我们举个例子来说：以同时使用 imbalanced_learn 和 statsmodels 库为最终目的。我们该怎么办？
1、找各自库的官网，官网上会给出安装依赖，找官网是最正确的做法，不要去网上找乱七八糟的说明，基本上都是没用的。
2、imbalanced_learn官网：百度查找，第二个就是。
附上网址：imbalanced-learn documentation — Version 0.8.1
一般来说官网都是最新的版本的库，显示最新的依赖。
如何查找特定的版本的依赖呢？
方法一：官网上一般都有，看下开源历史就能找到。
方法二：直接去下载指定版本的 .whl文件，更改后缀后解压缩，去文件里面找，都会有明确的注明，比如去查找 0.5.0 版本的 imbalanced_learn。
现在可以总结0.5.0版本的依赖：
Requires-Dist: numpy (>=1.11)
Requires-Dist: scipy (>=0.17)
Requires-Dist: scikit-learn (>=0.21)
Requires-Dist: joblib (>=0.11)3、statsmodels官网：百度查找，第一个就是。
同样，我们还去找指定版本的依赖，比如：0.11.0
方法一：官网找API文档。
现在可以总结0.11.0版本的依赖：
Python >= 3.5
NumPy >= 1.14
SciPy >= 1.0
Pandas >= 0.21
Patsy >= 0.5.1最终将 imbalanced_learn 和 statsmodels 依赖汇总：
Requires-Dist: numpy (>=1.11)
Requires-Dist: scipy (>=0.17)
Requires-Dist: scikit-learn (>=0.21)
Requires-Dist: joblib (>=0.11)
Python >= 3.5
NumPy >= 1.14
SciPy >= 1.0
Pandas >= 0.21
Patsy >= 0.5.1自己匹配合适的依赖，并确定安装顺序：
Python = 3.6
joblib (>=0.11)
NumPy = 1.14
SciPy = 1.0
Pandas = 0.21
Patsy = 0.5.1
scikit-learn = 0.21
imbalanced_learn = 0.5.0
statsmodels = 0.11.0最终在虚拟环境中安装测试是否匹配成功：
#创建虚拟环境
conda create -n hjpp python=3.6.0
#激活虚拟环境
activate hjpp
#安装依赖包
pip install numpy==1.14.0
pip install scipy==1.0
pip install pandas==0.21
pip install patsy==0.5.1
pip install scikit-learn==0.21
pip install imbalanced_learn==0.5.0
pip install statsmodels==0.11.0
打开python，验证是否安装成功：
可以发现，均无报错，可以正常使用。
以下是整个环境依赖：
