pandas-dev/pandas

项目介绍

pandas 为 Python 提供带标签的关系型数据结构，核心是 Series 和 DataFrame，面向实际的数据分析与数据操控。它支持浮点和非浮点数据中的缺失值处理、显式或自动的数据对齐、分组的拆分-应用-合并、基于标签的切片与布尔索引、数据集合并与连接、重塑与透视、多级轴标签，以及日期范围生成、频率转换、滑动窗口统计、日期偏移和滞后等时间序列操作 README lines 40–93。

I/O 方面覆盖 CSV 及其他分隔文本、Excel、SQL 查询和 HDF5，并提供 HDFStore 以快速保存和加载数据 README lines 40–93。适合需要加载、清洗、合并、汇总和重塑表格或标签数据，而不想自己实现这些基础操作的数据分析人员、数据科学工作者和 Python 开发者。

安装与开始使用

可以用 conda 或 pip 安装。conda 用户从 conda-forge 安装：

conda install -c conda-forge pandas

或者从 PyPI 安装已发布版本：

pip install pandas

发布包是常规入口；从源码构建应遵循单独的开发环境说明，不要把发布安装命令当成源码构建步骤 安装说明。

安装后从官方用户指南开始。一个最小的使用路径是参照 README 功能列表指向的文档，例如打开缺失值处理、分组或 CSV I/O 页面，用其中的示例处理自己的数据。README 没有给出完整的端到端代码演示，因此第一个示例应以稳定版文档为准，而不是自行推测。

使用约束

pandas 依赖 Python 和 NumPy，同时依赖 python-dateutil；tzdata 仅在 Windows/Emscripten 上需要 依赖说明。必需、推荐和可选依赖的最低支持版本见完整安装说明。从源码构建有自己的贡献者环境步骤，不属于二进制安装命令的范围。

项目采用 BSD 3-Clause 许可证 许可证。使用问题主要转向 Stack Overflow 和 pydata 邮件列表，开发讨论在 GitHub issue tracker 和 pandas-dev 渠道进行 获取帮助。pandas 是长期存在的大型 API，升级时如需保持代码兼容，应关注版本和发布说明。

HotRepo 点评

该项目在 2026-11-06 的 HotRepo Python 日榜上新增 157 Star，最好名次为 9；这是一条单日榜单快照，不足以说明更大范围的热度趋势。站内关联的 HN 讨论更能反映读者关注点：2023 年的 pandas 2.0 讨论大量围绕与 Polars 的对比，有评论者称 Polars 在各方面都明显快过 Pandas，而 Polars 作者一方面认可 Arrow 后端对互操作性的价值，另一方面仍认为 Polars 在整条查询上快得多 HN 讨论。另一条关于 OVH 与文档托管的讨论涉及基础设施，与 pandas 内部实现无关 HN 讨论。更合理的理解是：pandas 仍是标签化数据处理的默认基础层，性能导向的替代方案与它并存，而不是在所有场景中取代它。