# 安装

安装Pandas的最简单方法是将其安装为Anaconda (opens new window)发行版的一部分,这是一种用于数据分析和科学计算的跨平台发行版。这是大多数用户的推荐安装方法。

还提供了从源,PyPI (opens new window)ActivePython (opens new window),各种Linux发行版或开发版本 (opens new window)进行安装的说明。

# 计划移除对Python 2.7的支持

Python核心团队计划在2020年1月1日停止支持Python 2.7。按照NumPy的计划,2018年12月31日之前的所有Pandas版本都仍支持Python 2(译者注:之后的版本将不再支持)。

2018年12月31日之前的最终版本将是支持Python 2的最后一个版本。已发布的软件包将继续在PyPI和conda上提供。

  • 2019年1月1日 开始,所有版本都只支持Python 3。

如果有人对2018年12月31日之后对Python 2.7的持续支持感兴趣(反向移植错误修正或资金支持),请联系问题跟踪器上的维护人员。

有关更多信息,请参见 Python 3 语法 (opens new window)移植到Python 3指南 (opens new window)

# Python版本支持

正式的 Python 2.7、3.5、3.6和3.7 版本。

# 安装 Pandas

# 通过Anaconda安装

对于没有经验的新手朋友来说,安装Pandas以及其余的NumPy (opens new window)SciPy (opens new window)等工具包可能会有点困难。

最简单的方法不是直接安装Pandas,而是安装Python和构成SciPy数据科学技术栈的最流行的工具包(IPython (opens new window)NumPy (opens new window)Matplotlib (opens new window),...)的集合Anaconda (opens new window),它是一个跨平台(Linux,Mac OS X,Windows)的Python发行版,用于数据分析和科学计算。

在运行安装程序之后,用户将可以访问Pandas和SciPy (opens new window)工具包的任何工具,而不需要安装任何其他东西,也不需要等待任何软件编译,非常的方便。

可以在此处 (opens new window)找到Anaconda (opens new window)的安装说明。

可以在这里 (opens new window)找到作为Anaconda (opens new window)发行版一部分的可用软件包的完整列表。

安装Anaconda的另一个优点是安装它不需要管理员权限。Anaconda可以安装在用户的主目录中,如果您决定删除Anaconda(只需删除该文件夹就可以),这就非常方便了。

# 通过Miniconda安装

上一节概述了如何安装Pandas作为Anaconda (opens new window) 发行版的一部分。但是,这种方法意味着您将安装超过一百个包,并涉及下载几百兆字节的安装程序。

如果您只想要安装你需要的包,或者具有有限的互联网带宽,那么使用Miniconda (opens new window)安装Pandas可能是更好的解决方案。

Conda (opens new window)Anaconda (opens new window)发行版所基于的软件包管理器。它是一个跨平台的且和语言无关的包管理器(它可以起到与pip和virtualenv组合类似的作用)。

Miniconda (opens new window)允许您创建最小的Python安装包,然后使用Conda (opens new window)命令安装其他软件包。

首先你需要安装Conda (opens new window),下载并运行Miniconda (opens new window)会帮你做这件事。安装程序可以在这里 (opens new window)找到。

下一步是创建一个新的conda环境。conda环境就像一个virtualenv,它允许您指定特定版本的Python和你需要的第三方库。从终端窗口运行以下命令:

$ conda create -n name_of_my_env python

这将创建一个只安装了Python的最小环境。把你自己放在这个环境中(激活环境):

$ source activate name_of_my_env

在Windows上,命令是:

$ activate name_of_my_env

最后一步是安装Pandas,可以使用以下命令完成:

$ conda install Pandas

要安装特定的Pandas版本:

$ conda install Pandas=0.20.3

要安装其他软件包,例如IPython:

$ conda install ipython

要安装完整的Anaconda发行版:

$ conda install anaconda

如果您需要可用于pip而不是conda的软件包,请安装pip,然后使用pip安装这些软件包:

$ conda install pip
$ pip install django

# 从PyPI安装

Pandas可以通过PyPI (opens new window).的pip安装。

$ pip install Pandas

# 通过ActivePython安装

可以在此处 (opens new window)找到ActivePython (opens new window)的安装说明。 版本2.7和3.5 包含了 pandas。

# 使用Linux发行版的包管理器进行安装。

此表中的命令将从您的发行版安装Python 3版本的Pandas。要安装Python 2版本的Pandas,您可能需要使用 python-Pandas 包。

发行版名称 状态 下载 / 仓库地址 安装方法
Debian stable official Debian repository (opens new window) sudo apt-get install
Debian & Ubuntu unstable (latest packages) NeuroDebian (opens new window)
Ubuntu stable official Ubuntu repository (opens new window) sudo apt-get install python3-Pandas
OpenSuse stable OpenSuse Repository (opens new window) zypper in python3-Pandas
Fedora stable official Fedora repository (opens new window) dnf install python3-Pandas
Centos/RHEL stable EPEL repository (opens new window) yum install python3-Pandas

However,Linux的包管理器中的包通常落后几个版本,因此要获得最新版本的Pandas,建议使用上面描述的pipconda方法进行安装。

# 从源码安装

有关从git源代码树构建的完整说明,请参阅贡献指南 (opens new window)。此外,如果您希望创建一个pandas开发环境,请参阅创建开发环境 (opens new window)

# 运行测试套件

大Pandas配备了一套详尽的单元测试,涵盖了撰写本文时约97%的代码库。要在您的计算机上运行它以验证一切正常(并且您已经安装了所有依赖项,软的和硬的),请确保您有 pytest (opens new window) > = 4.0.2 和 Hypothesis (opens new window) > = 3.58,然后运行:

>>> import Pandas as pd
>>> pd.test()
running: pytest --skip-slow --skip-network C:\Users\TP\Anaconda3\envs\py36\lib\site-packages\Pandas
============================= test session starts =============================
platform win32 -- Python 3.6.2, pytest-3.2.1, py-1.4.34, pluggy-0.4.0
rootdir: C:\Users\TP\Documents\Python\Pandasdev\Pandas, inifile: setup.cfg
collected 12145 items / 3 skipped
..................................................................S......
........S................................................................
.........................................................................

==================== 12130 passed, 12 skipped in 368.339 seconds =====================

# 依赖

Package 最低支持版本
setuptools (opens new window) 24.2.0
NumPy (opens new window) 1.13.3
python-dateutil (opens new window) 2.6.1
pytz (opens new window) 2017.2

# 推荐的依赖关系

  • numexpr (opens new window): 用于加速某些数值运算。numexpr使用多个内核以及智能分块和缓存来实现大型加速。如果已安装,则必须为2.6.2或更高版本。
  • bottleneck (opens new window): 加速某些类型的 nan 评估。 bottleneck 使用专门的cython例程来实现大的加速。 如果已安装,则必须为1.2.1或更高版本。

注意

强烈建议您安装这些库,因为它们可以提高处理速度,尤其是在处理大型数据集时。

# 可选的依赖项

Pandas有许多可选的依赖项,仅用于特定的方法。 例如,pandas.read_hdf() (opens new window) 需要pytables包。 如果未安装可选依赖项,则在调用需要该依赖项的方法时,pandas将引发ImportError

依赖名称 最低版本 注意
BeautifulSoup4 4.6.0 HTML parser for read_html (see note)
Jinja2 Conditional formatting with DataFrame.style
PyQt4 Clipboard I/O
PyQt5 Clipboard I/O
PyTables 3.4.2 HDF5-based reading / writing
SQLAlchemy 1.1.4 SQL support for databases other than sqlite
SciPy 0.19.0 Miscellaneous statistical functions
XLsxWriter 0.9.8 Excel writing
blosc Compression for msgpack
fastparquet 0.2.1 Parquet reading / writing
gcsfs 0.2.2 Google Cloud Storage access
html5lib HTML parser for read_html (see note)
lxml 3.8.0 HTML parser for read_html (see note)
matplotlib 2.2.2 Visualization
openpyxl 2.4.8 Reading / writing for xlsx files
pandas-gbq 0.8.0 Google Big Query access
psycopg2 PostgreSQL engine for sqlalchemy
pyarrow 0.9.0 Parquet and feather reading / writing
pymysql 0.7.11 MySQL engine for sqlalchemy
pyreadstat SPSS files (.sav) reading
pytables 3.4.2 HDF5 reading / writing
qtpy Clipboard I/O
s3fs 0.0.8 Amazon S3 access
xarray 0.8.2 pandas-like API for N-dimensional data
xclip Clipboard I/O on linux
xlrd 1.1.0 Excel reading
xlwt 1.2.0 Excel writing
xsel Clipboard I/O on linux
zlib Compression for msgpack

# 用于解析HTML的可选依赖项

要使用顶级read_html() (opens new window)函数,需要以下一种库组合:

Changed in version 0.23.0.

警告