Installation¶

大多数用户安装大熊猫的最简单的方法是将其安装为Anaconda发行版的一部分，这是一个用于数据分析和科学计算的跨平台发行版。这是大多数pandas用户选择的安装方式

此外这里还提供了从源码，PyPI，各种Linux发行版或开发版本安装的说明。

所支持的Python版本¶

官方Python 2.7,3.4,3.5和3.6

安装pandas¶

最简单的使用pandas的方法（无需安装）!¶

最简单开始尝试pandas方式，不需要安装pandas，方式如下

Wakari是一项免费服务，可在云中提供托管的IPython Notebook服务。

只需创建一个帐户，即可在几分钟内通过IPython Notebook在浏览器中访问pandas。

Installing pandas with Anaconda¶

对于没有经验的用户安装Pandas、NumPy和SciPy数据科学分析体系的其余部分可能有点困难。

最简单的方法不仅安装pandas，而且还安装Python和构成SciPy辅助（IPython，NumPy，Matplotlib，...）与用于数据分析和科学计算的跨平台（Linux，Mac OS X，Windows）Python分发版Anaconda。

运行简单的安装程序后，用户将可以访问pandas和SciPy体系的其余部分，而无需安装任何其他内容，无需等待任何软件编译。

可在此处找到Anaconda 的安装说明。

作为Anaconda分发一部分的软件包的完整列表可在此处找到。

安装Anaconda的另一个好处是，你不需要管理员权限安装它，它会安装在用户的主目录，这也使得在日后删除Anaconda（只是删除该文件夹）变得简单。

Installing pandas with Miniconda¶

上一节概述了如何将pandas安装为Anaconda分发的一部分。但是这种方法意味着您将安装超过一百个软件包，并涉及下载几百兆字节的安装程序。

如果您想要更多地控制哪些包，或者有限的互联网带宽，则使用Miniconda安装大熊猫可能是更好的解决方案。

Conda是基于Anaconda分发的软件包管理器。它是一个跨平台和语言不可知的包管理器（它可以扮演类似于pip和virtualenv组合的角色）。

Miniconda允许创建最小的自包含Python安装，然后使用Conda命令安装其他软件包。

首先，您需要安装Conda并下载并运行 Miniconda才能为您完成此操作。可在此处找到安装程序

下一步是创建一个新的conda环境（这些类似于virtualenv，但它们也允许您精确指定要安装的Python版本）。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。要将你自己放在这个环境中运行：

source activate name_of_my_env

在Windows上，命令是：

activate name_of_my_env

所需的最后一步是安装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=0.13.1

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

如果你需要任何可用的pip，但不能conda，只需安装pip，并使用pip安装这些软件包：

conda install pip
pip install django

Installing from PyPI¶

pandas还可以通过pip从PyPI安装。

pip install pandas

这可能需要安装一些依赖项，包括NumPy，将需要一个编译器来编译所需的代码位，并且可能需要几分钟时间才能完成。

Installing using your Linux distribution’s package manager.¶

此表中的命令将从您的分发中安装用于Python 2的pandas。要为Python 3安装pandas，您可能需要使用包python3-pandas。

分配	状态	下载/ Repository链接	安装方法
Debian	稳定	官方Debian存储库	`sudo apt-get 安装 python-pandas`
Debian和Ubuntu	unstable（最新软件包）	NeuroDebian	`sudo apt-get 安装 python-pandas`
Ubuntu	稳定	官方Ubuntu存储库	`sudo apt-get 安装 python-pandas`
Ubuntu	不稳定（每日构建）	PythonXY PPA； activate by：`sudo add-apt-repository ppa：pythonxy / pythonxy-devel ＆amp；＆amp； > sudo apt-get 更新`	`sudo apt-get 安装 python-pandas`
OpenSuse	稳定	OpenSuse存储库	`zypper 在 python-pandas`
Fedora	稳定	官方Fedora存储库	`dnf 安装 python-pandas`
Centos / RHEL	稳定	EPEL存储库	`yum 安装 python-pandas`

Installing from source¶

有关从git源代码树构建的完整说明，请参阅contributing documentation。此外，如果您要创建pandas开发环境，请参阅creating a development environment。

Running the test suite¶

pandas配备了一套详尽的单元测试，涵盖了大约97％的代码库。要在您的计算机上运行它以验证一切是否正常（并且已经安装了所有依赖项，软硬件安装），请确保您已经察觉并运行：

>>> 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)

Dependencies¶

setuptools
NumPy：1.7.1或更高版本
python-dateutil：1.5或更高
pytz：需要时区支持

Recommended Dependencies¶

numexpr：用于加速某些数值操作。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2.1或更高版本（不包括2.4.4版本）。强烈建议使用版本2.4.6或更高版本。
bottleneck ：用于加速某些类型的nan评估。bottleneck使用专用的cython例程来实现大的加速。

注意

强烈建议您安装这些库，因为它们提供大的加速，尤其是使用大型数据集时。

Optional Dependencies¶

Cython：只需要构建开发版本。版本0.19.1或更高版本。
SciPy：其他统计函数
xarray：pandas像处理> 2 dims，需要将面板转换为xarray对象。建议使用0.7.0或更高版本。
PyTables：基于HDF5的存储所必需。强烈建议需要3.0.0或更高版本，3.2.1或更高版本。
SQLAlchemy：用于SQL数据库支持。建议使用0.8.1或更高版本。除了SQLAlchemy，还需要一个数据库特定的驱动程序。您可以在SQLAlchemy docs中找到每种SQL方言的支持的驱动程序的概述。一些常见的驱动程序是：
- psycopg2：用于PostgreSQL
- pymysql：for MySQL。
- SQLite：对于SQLite，默认情况下包含在Python的标准库中。
matplotlib：用于绘图
对于Excel I / O：
- xlrd / xlwt：Excel阅读（xlrd）和书写（xlwt）
- openpyxl：openpyxl版本1.6.1或更高版本（但低于2.0.0）或版本2.2或更高版本，用于写入.xlsx文件（xlrd> = 0.9.0）
- XlsxWriter：备用Excel编写器
Jinja2：用于条件HTML格式化的模板引擎。
boto：对于Amazon S3访问必需的。
blosc：用于使用blosc的msgpack压缩
PyQt4，PySide，pygtk，xsel或xclip之一：必要使用read_clipboard()。Linux发行版上的大多数软件包管理器都会立即提供xclip和/或xsel。
Google的`python-gflags <<https://github.com/google/python-gflags/>`__，oauth2client，httplib2 和 google-api-python-client：需要gbq
Backports.lzma：仅适用于Python 2，用于在CSV中写入和/或读取xz压缩的DataFrame； Python 3支持内置到标准库中。
需要使用以下库的组合之一来使用顶层read_html()函数：
- BeautifulSoup4和html5lib（任何最新版本的html5lib都可以。）
- BeautifulSoup4和lxml
- BeautifulSoup4和html5lib和lxml
- 只有lxml，因为您可能需要而不采取这种方法，因此请参阅HTML reading gotchas。
警告
- 如果您安装BeautifulSoup4，则必须安装lxml或html5lib或两者。read_html()将不仅处理 BeautifulSoup4。
- 我们非常鼓励您阅读HTML reading gotchas。它解释了关于上述三个库的安装和使用的问题
- 您可能需要安装旧版本的BeautifulSoup4：版本4.2.1,4.1.3和4.0.2已经确认64和32位Ubuntu / Debian
- 此外，如果您使用Anaconda，您应该阅读the gotchas about HTML parsing libraries
注意
- 如果你使用apt-get的系统，你可以这样做
  sudo apt-get build-dep python-lxml
  以获取安装lxml所需的依赖关系。这可以防止下面进程中出现错误。

注意

没有可选的依赖项，许多有用的功能将不工作。因此，强烈建议您安装这些。像Anaconda或Enthought Canopy的打包分发可能值得考虑。

目录

搜索