Установка

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

Также предоставляются инструкции по установке из исходного кода, с PyPI, ActivePython, различных дистрибутивах Linux или разработчика 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 планом NumPy, все релизы pandas до 31 декабря 2018 года будут поддерживать Python 2.

Релиз версии 0.24.x будет последним релизом, поддерживающим Python 2. Выпущенный пакет по-прежнему будет доступен на PyPI и через conda.

Если есть заинтересованные лица в продолжении поддержки Python 2.7 после 31 декабря 2018 года (либо повторное внедрение исправления ошибок, либо финансирование), пожалуйста, свяжитесь с разработчиками в системе отслеживания ошибок.

Для получения дополнительной информации см. заявление о Python 3 и руководство 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, …) — использовать Anaconda, кроссплатформенный (Linux, Mac OS X, Windows) дистрибутив Python для анализа данных и научных вычислений.

После запуска установщика пользователь получит доступ к pandas и остальной части стека SciPy, не требуя дополнительной установки и не ожидая компиляции какого-либо 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 для ее установки не требуются права администратора. Anaconda может устанавливаться в домашнем каталоге пользователя, что делает удаление Anaconda тривиальным (просто удалите папку).

Установка с Miniconda

Предыдущий раздел описал, как установить pandas как часть дистрибутива Anaconda. Однако этот подход означает установку более ста пакетов и загрузку установщика размером в несколько сотен мегабайт.

Если вы хотите иметь больший контроль над пакетами или имеете ограниченную пропускную способность интернета, установка pandas с Miniconda может быть лучшим решением.

Conda — это менеджер пакетов, на котором основан дистрибутив Anaconda. Это менеджер пакетов, который является как кроссплатформенным, так 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 необходимо установить Conda, и загрузка и запуск Miniconda сделает это за вас. Установщик можно найти здесь

Следующий шаг — создание новой среды conda. Среда conda похожа на virtualenv, что позволяет указать конкретную версию Python и набор библиотек. Выполните следующие команды в окне терминала:

conda create -n name_of_my_env python

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

source activate name_of_my_env

В Windows команда выглядит так:

activate name_of_my_env

Последним необходимым шагом является 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 с 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. Для установки 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. руководство по внесению изменений для получения полных инструкций по сборке из дерева исходного кода 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 этого документа. Чтобы запустить его на вашем компьютере для проверки работоспособности (и наличия всех зависимостей, программных и аппаратных), убедитесь, что у вас установлен pytest >= 3.6 и Hypothesis >= 3.58, затем выполните:

>>> 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-3.6.0, 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: 1.12.0 или выше
• python-dateutil: 2.5.0 или выше
• pytz

Рекомендуемые зависимости

• numexpr: для ускорения определенных числовых операций. numexpr использует несколько ядер, а также интеллектуальное поблочное чтение и кэширование для достижения больших приростов скорости. Если установлен, версия должна быть 2.6.1 или выше.
• bottleneck: для ускорения определенных типов nan вычислений. bottleneck использует специализированные цикловые процедуры для достижения значительных приростов скорости. Если установлен, версия должна быть 1.2.0 или выше.

Дополнительные зависимости

• Cython: Необходим только для построения версии для разработки. Версия 0.28.2 или выше.
• SciPy: различные статистические функции, версия 0.18.1 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: необходим для хранения данных в формате HDF5, версия 3.4.2 или выше
• pyarrow (>= 0.9.0): необходим для хранения данных в формате feather.
• Apache Parquet, либо pyarrow (>= 0.7.0), либо fastparquet (>= 0.2.1) 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, вам также нужен драйвер, специфичный для 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, по умолчанию входит в стандартную библиотеку Python.
• matplotlib: для построения графиков, версия 2.0.0 или выше.

• Для работы с Excel:

  • xlrd/xlwt: чтение Excel (xlrd), требуется версия 1.0.0 или выше, и запись (xlwt)
  • openpyxl: openpyxl версии 2.4.0 для записи файлов .xlsx (xlrd >= 0.9.0)
  • XlsxWriter: Альтернативный инструмент для записи в Excel
• Jinja2: Шаблонный движок для условного форматирования HTML.
• s3fs: необходим для доступа к Amazon S3 (s3fs >= 0.0.7).
• blosc: для сжатия msgpack с использованием blosc
• gcsfs: необходим для доступа к Google Cloud Storage (gcsfs >= 0.1.0).
• Один из qtpy (требует PyQt или PySide), PyQt5, PyQt4, pygtk, xsel или xclip: необходим для использования read_clipboard(). Большинство менеджеров пакетов на дистрибутивах Linux будут иметь xclip и/или xsel доступными для установки.
• pandas-gbq: для работы с Google BigQuery. (pandas-gbq >= 0.8.0)
• Backports.lzma: Только для Python 2, для записи в сжатый xz CSV DataFrame и/или чтения из него; поддержка Python 3 включена в стандартную библиотеку.

• Необходима одна из следующих комбинаций библиотек для использования функции верхнего уровня read_html():

  Изменено в версии 0.23.0.

  Примечание

  При использовании 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, по которым вы, вероятно, этого не должны делать.

  Предупреждение

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

  Примечание

  • если вы работаете на системе с apt-get, вы можете сделать

    sudo apt-get build-dep python-lxml
    

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