meta:

• name: keywords content: 安装pandas,下载pandas
• name: description content: 安装Pandas的最简单方法是将其安装为Anaconda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。

安装

安装Pandas的最简单方法是将其安装为Anaconda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，ActivePython，各种Linux发行版或开发版本进行安装的说明。

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。

• 从 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 和 移植到Python 3指南。

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和SciPy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，NumPy，Matplotlib，…）的集合Anaconda，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。

可以在此处找到Anaconda的安装说明。

可以在这里找到作为Anaconda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 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安装Pandas可能是更好的解决方案。

Conda是Anaconda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允许您创建最小的Python安装包，然后使用Conda命令安装其他软件包。

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

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.的pip安装。

$ pip install Pandas

通过ActivePython安装

可以在此处找到ActivePython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。

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pip或conda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。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。

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 > = 4.0.2 和 Hypothesis > = 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

推荐的依赖关系

• numexpr: 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: 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。

::: tip 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() 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。

用于解析HTML的可选依赖项

要使用顶级read_html()函数，需要以下一种库组合：

Changed in version 0.23.0.

• BeautifulSoup4 和 html5lib
• BeautifulSoup4 和 lxml
• BeautifulSoup4 和 html5lib 和 lxml
• 只有 lxml，请参阅HTML表解析，以了解为什么您可能不应该采用这种方法。

::: danger 警告

• 如果您安装BeautifulSoup4，您必须安装lxml或html5lib或两个都安装。read_html() 不能只安装 BeautifulSoup4。
• 我们强烈建议您阅读 HTML表解析之坑。 它解释了有关上述三个库的安装和使用的问题。

:::