Установка

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

Также предоставлены инструкции по установке из исходного кода, с PyPI, ActivePython, различных дистрибутивах Linux или разработке версии.

План по прекращению поддержки Python 2.7

Команда разработчиков Python планирует прекратить поддержку Python 2.7 с 1 января 2020 года. В соответствии с планами NumPy, все выпуски pandas до 31 декабря 2018 года будут поддерживать Python 2.

Окончательный выпуск перед 31 декабря 2018 года будет последним выпуском, поддерживающим Python 2. Выпущенный пакет по-прежнему будет доступен на PyPI и через conda.

Начиная с 1 января 2019 года, все выпуски будут поддерживать только Python 3.

Если есть заинтересованные лица в продолжении поддержки Python 2.7 после 31 декабря 2018 года (либо внесение исправлений в обратной совместимости, либо финансирование), пожалуйста, обратитесь к разработчикам в системе отслеживания проблем.

Дополнительную информацию можно найти в заявлении о Python 3 и руководстве по портированию в Python 3.

Поддержка версий Python

Официально поддерживаются Python 2.7, 3.5, 3.6 и 3.7.

Установка pandas

Установка с Anaconda

Установка pandas и остальной части 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, составляющие стек SciPy (IPython, NumPy, Matplotlib, …) — с Anaconda, кроссплатформенным (Linux, Mac OS X, Windows) дистрибутивом Python для анализа данных и научных вычислений.

После запуска установщика пользователь получит доступ к pandas и остальной части стека SciPy, не выполняя никаких дополнительных действий и не дожидаясь компиляции программного обеспечения.

Инструкции по установке Anaconda можно найти здесь.

Полный список пакетов, доступных в дистрибутиве Anaconda, можно найти здесь.

Еще одним преимуществом установки Anaconda является то, что вам не нужны права администратора для ее установки. Anaconda может устанавливаться в домашнем каталоге пользователя, что делает удаление Anaconda тривиальным (просто удалите эту папку).

Установка с Miniconda

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

Если вы хотите иметь больший контроль над пакетами или у вас ограниченная пропускная способность интернета, установка pandas с помощью 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 аналогичную роль комбинации pip и virtualenv).

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

Сначала вам нужно установить Conda, а загрузка и запуск Miniconda сделает это за вас. Установщик можно найти здесь

Следующим шагом является создание новой среды conda. Среда conda — это как virtualenv, который позволяет указать определенную версию Python и набор библиотек. Выполните следующие команды из окна терминала:

conda create -n name_of_my_env python

Это создаст минимальную среду с установленным только Python. Чтобы войти в эту среду, выполните:

source activate name_of_my_env

В Windows команда выглядит так:

activate name_of_my_env

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

conda install pandas

Чтобы установить определенную версию pandas:

conda install pandas=0.20.3

Чтобы установить другие пакеты, например, IPython:

conda install ipython

Чтобы установить весь дистрибутив Anaconda:

conda install anaconda

Если вам нужны пакеты, доступные в pip, но не в conda, установите pip, а затем используйте pip для установки этих пакетов:

conda install pip
pip install django

Установка с PyPI

pandas можно установить через pip из PyPI.

pip install pandas

Установка с ActivePython

Инструкции по установке ActivePython можно найти здесь. Версии 2.7 и 3.5 включают pandas.

Установка с помощью менеджера пакетов вашей дистрибуции Linux

Команды в этой таблице установят pandas для Python 3 из вашего дистрибутива. Чтобы установить pandas для Python 2, вам может потребоваться использовать пакет python-pandas.

Однако пакеты в менеджерах пакетов Linux часто отстают на несколько версий, поэтому для получения последней версии pandas рекомендуется использовать методы pip или conda описанные выше.

Установка из исходного кода

См. документацию по участию в проекте 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 примерно 97% кодовой базы на момент написания. Чтобы запустить его на вашей машине, чтобы проверить, все работает (и что все зависимости, программные и аппаратные, установлены), убедитесь, что у вас есть pytest, и выполните:

>>> 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 =====================

Зависимости

• setuptools: 24.2.0 или выше
• NumPy: 1.9.0 или выше
• python-dateutil: 2.5.0 или выше
• pytz

Рекомендуемые зависимости

• numexpr: для ускорения определенных числовых операций. numexpr также использует несколько ядер, а также интеллектуальное фрагментацию и кэширование для достижения больших приростов скорости. Если установлен, должна быть версия 2.4.6 или выше.
• bottleneck: для ускорения определенных типов nan вычислений. bottleneck использует специализированные циклоны, чтобы добиться больших приростов скорости. Если установлен, должна быть версия 1.0.0 или выше.

Дополнительные зависимости

• Cython: Необходима только для сборки версии для разработки. Версия 0.24 или выше.
• SciPy: различные статистические функции, Версия 0.14.0 или выше
• xarray: обработка данных, подобная pandas, для > 2 измерений, необходима для преобразования панелей в объекты xarray. Рекомендуется версия 0.7.0 или выше.
• PyTables: необходима для хранения данных в формате HDF5. Требуется версия 3.0.0 или выше, версия 3.2.1 или выше — рекомендуется.
• Feather Format: необходим для хранения данных в формате feather, версия 0.3.1 или выше.
• Apache Parquet, либо pyarrow (>= 0.4.1), либо fastparquet (>= 0.0.6) для хранения данных в формате parquet. Для поддержки сжатия доступны snappy и brotli.

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

  • psycopg2: для PostgreSQL
  • pymysql: для MySQL.
  • SQLite: для SQLite, он по умолчанию включен в стандартную библиотеку Python.
• matplotlib: для построения графиков, Версия 1.4.3 или выше.

• Для ввода-вывода Excel:

  • xlrd/xlwt: чтение (xlrd) и запись (xlwt) Excel
  • openpyxl: openpyxl версии 2.4.0 для записи файлов .xlsx (xlrd >= 0.9.0)
  • XlsxWriter: альтернативный инструмент для записи в Excel
• Jinja2: движок шаблонов для условной форматирования HTML.
• s3fs: необходим для доступа к Amazon S3 (s3fs >= 0.0.7).
• blosc: для сжатия msgpack с помощью blosc
• Одна из библиотек qtpy (требует PyQt или PySide), PyQt5, PyQt4, pygtk, xsel или xclip: необходима для использования read_clipboard(). Большинство менеджеров пакетов в дистрибутивах Linux имеют xclip и/или xsel для немедленной установки.
• pandas-gbq: для работы с Google BigQuery.
• Backports.lzma: Только для Python 2, для записи в сжатый xz CSV DataFrame или чтения из него; поддержка Python 3 встроена в стандартную библиотеку.

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

  Изменено в версии 0.23.0.

  Примечание

  Если используется BeautifulSoup4, требуется минимальная версия 4.2.1

  • BeautifulSoup4 и html5lib (любая последняя версия html5lib подойдет).
  • BeautifulSoup4 и lxml
  • BeautifulSoup4 и html5lib и lxml
  • Только lxml, хотя см. Разбор HTML-таблиц по причинам, почему вам, вероятно, не стоит использовать этот подход.

  Предупреждение

  • если вы устанавливаете BeautifulSoup4, вы должны установить либо lxml, либо html5lib, либо оба. read_html() не будет работать только с установленным BeautifulSoup4.
  • Настоятельно рекомендуется прочитать Особенности разбора HTML-таблиц. В нем описаны проблемы, связанные с установкой и использованием вышеперечисленных трех библиотек.

  Примечание

  • если у вас система с apt-get вы можете выполнить

    sudo apt-get build-dep python-lxml
    

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