Установка

Самый простой способ установить pandas для большинства пользователей — установить его в составе дистрибутива Anaconda, кроссплатформенного дистрибутива для анализа данных и научных вычислений. Это рекомендуемый способ установки для большинства пользователей.

Также предоставляются инструкции по установке из исходного кода, с PyPI, различных дистрибутивов Linux или разработческой версии.

Поддержка версий Python

Официально поддерживаются Python 2.7, 3.4 и 3.5

Установка pandas

Использование pandas без установки!

Самый простой способ начать экспериментировать с pandas — это вообще не устанавливать pandas.

Wakari — это бесплатная служба, предоставляющая хостинг IPython Notebook в облаке.

Просто создайте аккаунт, и вы получите доступ к pandas в вашем браузере через IPython Notebook в течение нескольких минут.

Установка pandas с Anaconda

Установка pandas и остальных компонентов стека NumPy и SciPy может быть немного сложной для начинающих пользователей.

Самый простой способ установить не только pandas, но и Python, и самые популярные пакеты, которые составляют стек SciPy (IPython, NumPy, Matplotlib, ...) — это Anaconda, кроссплатформенный (Linux, Mac OS X, Windows) дистрибутив Python для анализа данных и научных вычислений.

После запуска простого установщика пользователь получит доступ к pandas и остальным компонентам стека SciPy, не нуждаясь в дополнительной установке и не дожидаясь компиляции программного обеспечения.

Инструкции по установке Anaconda можно найти здесь.

Полный список пакетов, доступных в составе дистрибутива Anaconda, можно найти здесь.

Дополнительное преимущество установки с Anaconda заключается в том, что вам не нужны права администратора для её установки, она будет установлена в домашний каталог пользователя, что также упрощает удаление Anaconda впоследствии (достаточно удалить папку).

Установка pandas с Miniconda

В предыдущем разделе описано, как установить pandas в составе дистрибутива Anaconda. Однако этот подход означает, что вы установите более ста пакетов и потребуется скачать установщик, размер которого составляет несколько сотен мегабайт.

Если вы хотите иметь больший контроль над пакетами или у вас ограниченная пропускная способность интернета, то установка pandas с Miniconda может быть лучшим решением.

Conda — это менеджер пакетов, на котором основан дистрибутив Anaconda. Это менеджер пакетов, который является кроссплатформенным и независимым от языка (он может выполнять аналогичные функции комбинации pip и virtualenv).

Miniconda позволяет создавать минимальную автономную установку Python, а затем использовать команду Conda для установки дополнительных пакетов.

Сначала вам понадобится Conda, и скачивание и запуск Miniconda сделает это за вас. Установщик можно найти здесь

Следующим шагом является создание новой среды conda (они аналогичны virtualenv, но также позволяют указать точную версию Python для установки). Выполните следующие команды из терминала:

conda create -n name_of_my_env python

Это создаст минимальную среду, в которой будет установлен только Python. Чтобы попасть в эту среду, выполните:

source activate name_of_my_env

В Windows команда:

activate name_of_my_env

Последний необходимый шаг — установка pandas. Это можно сделать с помощью следующей команды:

conda install pandas

Чтобы установить определённую версию pandas:

conda install pandas=0.13.1

Чтобы установить другие пакеты, например, IPython:

conda install ipython

Чтобы установить весь дистрибутив Anaconda:

conda install anaconda

Если вам нужны пакеты, доступные через pip, но не через conda, просто установите pip и используйте его для установки этих пакетов:

conda install pip
pip install django

Установка с PyPI

pandas можно установить с помощью pip из PyPI.

pip install pandas

Вероятно, потребуется установка ряда зависимостей, включая NumPy, потребуется компилятор для компиляции необходимых фрагментов кода, и это может занять несколько минут.

Установка с помощью менеджера пакетов вашей дистрибуции Linux.

Команды в этой таблице установят pandas для Python 2 из вашего дистрибутива. Для установки pandas для Python 3 вам может потребоваться использовать пакет python3-pandas.

Установка из исходного кода

См. документацию по внесению изменений для получения полных инструкций по сборке из исходного дерева git. Кроме того, см. создание среды разработки, если вы хотите создать среду разработки pandas.

Запуск набора тестов

pandas оснащен исчерпывающим набором модульных тестов, охватывающим около 97% кодовой базы на момент написания данного документа. Чтобы запустить его на своем компьютере, чтобы убедиться, что все работает (и у вас установлены все зависимости), убедитесь, что у вас есть nose и запустите:

>>> import pandas as pd
>>> pd.test()
Running unit tests for pandas
pandas version 0.18.0
numpy version 1.10.2
pandas is installed in pandas
Python version 2.7.11 |Continuum Analytics, Inc.|
   (default, Dec  6 2015, 18:57:58) [GCC 4.2.1 (Apple Inc. build 5577)]
nose version 1.3.7
..................................................................S......
........S................................................................
.........................................................................

----------------------------------------------------------------------
Ran 9252 tests in 368.339s

OK (SKIP=117)

Зависимости

• setuptools
• NumPy: 1.7.1 или выше
• python-dateutil: 1.5 или выше
• pytz: Необходим для поддержки часовых поясов

Рекомендуемые зависимости

• numexpr: для ускорения некоторых числовых операций. numexpr использует несколько ядер, а также интеллектуальное фрагментирование и кэширование для достижения значительного ускорения. При установке должна быть версия 2.1 или выше (исключая ошибочную версию 2.4.4). Сильно рекомендуется версия 2.4.6 или выше.
• bottleneck: для ускорения определенных типов nan оценок. bottleneck использует специализированные цикловые процедуры для достижения значительного ускорения.

Дополнительные зависимости

• Cython: Необходим только для сборки версии для разработки. Версия 0.19.1 или выше.
• SciPy: различные статистические функции
• xarray: обработка данных с более чем 2 измерениями, как в pandas, необходима для преобразования панелей в объекты xarray. Рекомендуется версия 0.7.0 или выше.
• PyTables: необходим для хранения данных в формате HDF5. Требуется версия 3.0.0 или выше, версия 3.2.1 или выше рекомендуется.

• SQLAlchemy: для поддержки баз данных SQL. Рекомендуется версия 0.8.1 или выше. Помимо SQLAlchemy, вам также нужен драйвер, специфичный для базы данных. Обзор поддерживаемых драйверов для каждого диалекта SQL можно найти в документации SQLAlchemy. Некоторые распространённые драйверы:

  • psycopg2: для PostgreSQL
  • pymysql: для MySQL.
  • SQLite: для SQLite, по умолчанию включён в стандартную библиотеку Python.
• matplotlib: для построения графиков
• openpyxl, xlrd/xlwt: Необходимы для работы с Excel
• XlsxWriter: Альтернативный инструмент для записи в Excel
• Jinja2: Шаблонный движок для условного форматирования HTML.
• boto: необходим для доступа к Amazon S3.
• blosc: для сжатия msgpack с помощью blosc.
• Один из PyQt4, PySide, pygtk, xsel или xclip: необходим для использования read_clipboard(). Большинство менеджеров пакетов в дистрибутивах Linux имеют xclip и/или xsel для установки.
• Библиотеки Google: python-gflags, oauth2client, httplib2 и google-api-python-client: необходимы для gbq.
• Backports.lzma: Только для Python 2, для записи в сжатый xz DataFrame в формате CSV; поддержка Python 3 включена в стандартную библиотеку.

• Для использования функции верхнего уровня read_html() необходима одна из следующих комбинаций библиотек:

  • BeautifulSoup4 и html5lib (любая последняя версия html5lib подойдёт).
  • BeautifulSoup4 и lxml
  • BeautifulSoup4 и html5lib и lxml
  • Только lxml, но обратитесь к справке по проблемам с чтением HTML по причинам, почему, вероятно, не стоит выбирать этот подход.

  Предупреждение

  • Если вы установили BeautifulSoup4, вы должны установить либо lxml, либо html5lib, либо оба. read_html() не будет работать только с установленным BeautifulSoup4.
  • Сильно рекомендуется ознакомиться с справкой по проблемам с чтением HTML. В ней описаны вопросы, связанные с установкой и использованием вышеперечисленных трёх библиотек

  • Возможно, потребуется установить более старую версию BeautifulSoup4:

    • Подтверждены версии 4.2.1, 4.1.3 и 4.0.2 для 64 и 32-битных Ubuntu/Debian

  • Кроме того, если вы используете Anaconda, обязательно ознакомьтесь с справкой о проблемах с библиотеками парсинга HTML

  Примечание

  • Если вы используете систему с apt-get, вы можете выполнить

    sudo apt-get build-dep python-lxml
    

    чтобы получить необходимые зависимости для установки lxml. Это поможет избежать проблем в будущем.