Вы выполнили pip install numpy, pip ответил Successfully installed, а программа всё равно пишет ModuleNotFoundError. Почти всегда это значит, что на компьютере несколько Python: библиотека попала в один, а программу запускает другой. Ниже разберём, как узнать, какой Python работает, какой командой ставить библиотеки, зачем каждой лабораторной своё окружение и что делать с ошибкой externally-managed-environment, с Jupyter и с Windows. Команды проверены на Python 3.14 и pip 26.
Что значит ModuleNotFoundError
Traceback (most recent call last):
File "/home/student/lab1/lab.py", line 1, in <module>
import numpy as np
ModuleNotFoundError: No module named 'numpy'
Python искал модуль numpy во всех папках своего списка поиска и не нашёл. Причин четыре:
- библиотека не установлена;
- она установлена в другой Python. Их бывает несколько: системный, скачанный с python.org, из Anaconda, отдельное окружение, которое создал PyCharm;
- имя пакета для pip отличается от имени в
import(таблица ниже); - опечатка в имени или файл в папке проекта назван так же, как библиотека. Про второе подробно в статье про ошибки Python.
Какой Python запускает программу
Спросите у самого Python, где он лежит. Временно добавьте в начало программы две строки:
import sys
print(sys.executable)
Или выполните в терминале те же команды, которыми запускаете программу:
$ python3 --version
Python 3.14.7
$ python3 -c "import sys; print(sys.executable)"
/home/student/lab1/.venv/bin/python
$ python3 -m pip --version
pip 26.2.1 from /home/student/lab1/.venv/lib/python3.14/site-packages/pip (python 3.14)
В выводе pip видно, в какую папку он ставит пакеты и к какой версии Python относится. Здесь оба пути ведут в .venv, всё сходится. Если sys.executable указывает в одну папку, а pip в другую, библиотеки уходят мимо программы.
python и python3 тоже могут быть разными программами. В macOS и Linux команды python часто нет совсем (zsh: command not found: python), а python3 есть. В Windows обычно пользуются командами python и py, причём python без установленного Python может открыть Microsoft Store.
В редакторе интерпретатор выбирают отдельно от терминала. В VS Code это команда «Python: Select Interpreter», выбранная версия видна в нижней строке окна. В PyCharm: Settings, Project, Python Interpreter.
Почему python -m pip надёжнее, чем pip
Команда pip живёт сама по себе, и заранее неизвестно, к какому Python она привязана. python3 -m pip запускает pip того самого Python, которым вы потом запустите программу.

Отсюда правило:
python3 -m pip install numpy
python3 lab.py
Первое слово в обеих командах одно и то же. В Windows так же с py: py -m pip install numpy, затем py lab.py.
Если pip пишет Requirement already satisfied, а импорт не работает, посмотрите путь в этом сообщении:
Requirement already satisfied: requests in ./.venv/lib/python3.14/site-packages (2.34.2)
Пакет действительно стоит, но в той папке, которую видит другой Python.
Своё окружение для каждой лабораторной
Виртуальное окружение (venv) устроено просто: это отдельная папка со своим Python и своими библиотеками. Что ставите туда, не мешает другим проектам и системе.
cd lab1
python3 -m venv .venv
source .venv/bin/activate # macOS и Linux
.venv\Scripts\activate.bat # Windows, cmd
.venv\Scripts\Activate.ps1 # Windows, PowerShell
После активации в начале строки терминала появится (.venv), а python и pip будут указывать внутрь папки:
(.venv) $ which python
/home/student/lab1/.venv/bin/python
Теперь python -m pip install numpy ставит библиотеку только в это окружение. Выйти из него: deactivate.
Если PowerShell не даёт запустить Activate.ps1, в документации Python описано, как разрешить скрипты для своего пользователя. Можно обойтись и без активации: запускайте Python окружения по пути, .venv/bin/python lab.py или .venv\Scripts\python lab.py в Windows.
Папку .venv не отправляют преподавателю и не добавляют в Git. Документация называет окружение одноразовым: его удаляют и создают заново. Чтобы пересоздать его на другом компьютере, нужен список библиотек.
requirements.txt: список библиотек проекта
python -m pip freeze > requirements.txt
После установки одной библиотеки requests файл выглядит так:
certifi==2026.10.23
charset-normalizer==3.5.2
idna==3.20
requests==2.34.2
urllib3==2.8.0
freeze записывает всё, что стоит в окружении, вместе с зависимостями и точными версиями. Поэтому делайте его из venv. Если запустить его в общем Python, в список попадут библиотеки всех ваших проектов.
На другом компьютере или у проверяющего окружение собирается двумя командами:
python3 -m venv .venv
.venv/bin/python -m pip install -r requirements.txt # в Windows .venv\Scripts\python
error: externally-managed-environment
В новых версиях Ubuntu и Debian и в Python из Homebrew на macOS установка в системный Python заканчивается так:
$ pip3 install requests
error: externally-managed-environment
× This environment is externally managed
╰─> To install Python packages system-wide, try brew install
xyz, where xyz is the package you are trying to
install.
...
note: If you believe this is a mistake, please contact your Python installation or OS distribution provider. You can override this, at the risk of breaking your Python installation or OS, by passing --break-system-packages.
hint: See PEP 668 for the detailed specification.
В Ubuntu и Debian вместо brew install в тексте будет apt install python3-xyz. Системным Python пользуются программы самой системы, и её менеджер пакетов управляет им сам. Правило описано в PEP 668: pip отказывается ставить туда пакеты, чтобы не подменить версии, от которых зависит система.
Решение то же, что выше: создайте venv в папке проекта и ставьте библиотеки в него. Флаг --break-system-packages и sudo pip install не используйте. Название флага прямо говорит, чем это может кончиться. Если нужна программа для командной строки, а не библиотека для кода, её ставят через pipx, он сам заводит ей отдельное окружение.
Jupyter: библиотека стоит, а ноутбук её не видит
Ноутбук выполняет код в ядре. Ядро работает отдельным процессом Python, и это не обязательно тот Python, что в терминале. Проверьте в ячейке:
import sys
sys.executable
Ставить библиотеку из ноутбука лучше магической командой %pip:
%pip install numpy
Она запускает pip того Python, на котором работает ядро. После установки появится подсказка Note: you may need to restart the kernel to use updated packages.: перезапустите ядро. Команда !pip install запускает тот pip, который первым найдётся в системном пути PATH, и он может принадлежать другому Python.
Чтобы ноутбук работал в окружении лабораторной, зарегистрируйте его как ядро:
source .venv/bin/activate
python -m pip install ipykernel
python -m ipykernel install --user --name lab1 --display-name "Python (lab1)"
В списке ядер Jupyter или VS Code появится «Python (lab1)». Список зарегистрированных ядер показывает jupyter kernelspec list.
Windows: команда py
В Windows вместе с Python с python.org ставится команда py. Она помогает, когда версий несколько:
py -0 # какие версии установлены
py -3.12 -m pip install numpy # поставить в Python 3.12
py -3.12 lab.py # запустить им же
py -m venv .venv # окружение на версии по умолчанию
С Python 3.14 на смену старому py пришёл менеджер установки Python. В нём список версий выводит py list, а py -0 и py -3.12 оставлены для совместимости (документация).
Имя для pip и имя для import
| В коде | Команда установки |
|---|---|
import cv2 |
python3 -m pip install opencv-python |
from sklearn import ... |
python3 -m pip install scikit-learn |
from bs4 import BeautifulSoup |
python3 -m pip install beautifulsoup4 |
from PIL import Image |
python3 -m pip install Pillow |
import docx |
python3 -m pip install python-docx |
import yaml |
python3 -m pip install PyYAML |
pip install sklearn не сработает. Пакет с таким именем намеренно выдаёт ошибку и подсказывает правильное:
The 'sklearn' PyPI package is deprecated, use 'scikit-learn'
rather than 'sklearn' for pip commands.
Короткий порядок действий
- Узнайте
sys.executableв программе. - Ставьте библиотеки командой
<тот же python> -m pip install. - Для каждой лабораторной заведите
.venvиrequirements.txt. - В Jupyter пользуйтесь
%pipи проверьте ядро.
Как с этим помогает Tilpi
Когда неясно, в программе дело или в окружении, проверьте код в исполнителе Tilpi. Он работает в отдельной изолированной машине, где уже стоит Python с numpy, scipy, pandas, matplotlib, sympy и pytest, сам ставит недостающие зависимости и запускает программу. Если код там работает, ищите проблему в своём окружении. Исполнитель запускается из чата задания, а без тарифа работает на уровне «Быстрая» из бесплатных ежемесячных кредитов, общих с чатом.
