解决mljar-supervised中Scipy版本兼容性问题

问题背景

mljar-supervised是一个流行的自动化机器学习工具库，近期用户在使用过程中遇到了一个典型的依赖冲突问题。当用户尝试导入AutoML模块时，系统报错"ImportError: cannot import name 'interp' from 'scipy'"。

这个问题的根源在于2024年1月20日发布的Scipy 1.12.0版本中移除了'interp'函数，而mljar-supervised依赖的scikit-plot 0.37版本(最后更新于2018年)仍然尝试从Scipy导入这个已被移除的函数。

临时解决方案

对于急需解决问题的用户，可以采用以下临时方案：

1. 降级Scipy版本：安装Scipy 1.11.4版本

   pip install scipy==1.11.4
   

2. 在Jupyter Notebook中：

   %pip install scipy==1.11.4
   

3. 修改requirements.txt：如果使用requirements.txt文件管理依赖，可以将Scipy版本限制为：

   scipy>=1.6.1,<=1.11.4
   

根本解决方案

项目维护者pplonski已经采取了以下措施从根本上解决问题：

1. 创建维护分支：为长期未更新的scikit-plot项目创建了维护分支mljar-scikit-plot，更新了依赖关系并修复了兼容性问题。

2. 更新依赖关系：mljar-supervised现在依赖于维护良好的mljar-scikit-plot分支，而不是原始已停止维护的scikit-plot。

3. 版本限制：在mljar-supervised的依赖声明中添加了对Scipy版本的上限限制，防止未来类似问题发生。

技术分析

这个问题展示了Python生态系统中一个常见挑战：依赖链断裂。当底层库(如Scipy)进行重大更新时，依赖它的上层库(如scikit-plot)如果没有及时跟进维护，就会导致兼容性问题。

对于这类问题，开发者可以采取以下策略：

1. 版本锁定：在关键依赖上设置合理的版本范围
2. 维护分支：为停止维护但有价值的项目创建维护分支
3. 依赖更新：定期检查并更新项目依赖关系

最佳实践建议

1. 使用虚拟环境隔离项目依赖
2. 定期检查并更新依赖关系
3. 对于生产环境，考虑锁定所有依赖版本
4. 关注依赖库的维护状态，及时替换已停止维护的库

通过这次事件，mljar-supervised项目展示了良好的开源维护实践，及时响应社区反馈并提供长期解决方案，值得其他开源项目借鉴。