2023年3月1日，Pandas 公布了2.0版本。6个月后（8月30日），更新了新的2.1版。让咱们看看他有什么重要的更新。

更好的PyArrow反对

PyArrow是在Panda 2.0中新退出的后端，对于大数据来说提供了优于NumPy的性能。Pandas 2.1加强了对PyArrow的反对。官网在这次更新中应用最大的高亮字体发表 PyArrow 将是 Pandas 3.0的根底依赖，这阐明Panda 是认定了PyArrow了。

映射所有数组类型时能够疏忽NaN类值

在以前版本，可空类型上调用map会在存在相似nan的值时触发谬误。而当初能够设定na_action= " ignore "参数，将疏忽所有类型数组中的nan值。

以下是发行阐明中的一个例子:

 In [5]: ser = pd.Series(["a", "b", np.nan], dtype="category")  In [6]: ser.map(str.upper, na_action="ignore") Out[6]:  0      A 1      B 2    NaN dtype: category Categories (2, object): ['A', 'B']  ##no errors !

字符串的默认类型

默认状况下，所有字符串都存储在具备NumPy对象dtype的列中，如果你装置了PyArrow，则会将所有字符串推断为PyArrow反对的字符串，这个选项须要应用这个参数设置：

 pd.options.future.infer_string = True

Copy-On-Write改良

写时复制在很久以前就呈现了。在Pandas中有时你对数据做一些操作，批改的不是数据源的正本，而是数据源自身。例子:

 In [5]: pd.options.mode.copy_on_write = True  In [6]: df = pd.DataFrame({"foo": [1, 2, 3], "bar": [4, 5, 6]})  In [7]: subset = df["foo"]  In [8]: subset.iloc[0] = 100  In [9]: df Out[9]:     foo  bar 0    1    4 1    2    5 2    3    6

写时复制是一种避免意外可变性的机制。当从其余数据推断数据时，能够保障只更改正本。这意味着代码将更加对立。Pandas将辨认何时复制对象，并且只在必要时复制对象。在Pandas 2.1中，花了很多精力使许多中央的Copy-On-Write保持一致。

新的日期办法

在Pandas 2.1中，减少了一组新解决日期的新办法。

以下是一些最值得注意的办法:

  • Series.dt.is_month_start,
  • Series.dt.is_month_end,
  • Series.dt.is_year_start,
  • Series.dt.is_year_end,
  • Series.dt.is_quarter_start,
  • Series.dt.is_quarter_end,
  • Series.dt.days_in_month,
  • Series.dt.unit,
  • Series.dt.normalize,
  • Series.dt.day_name(),
  • Series.dt.month_name(),

这些办法对咱们理论利用来说还是很好的

Python 3.9

pandas 2.1.0反对的最低版本是Python 3.9，也就是说咱们如果有低版本的Python我的项目，要尽快降级了，或者说新我的项目的话最低也要3.9了

总结

在这次更新中提到了Pandas3.0，阐明官网曾经开始对它进行设计了，而且也强调了PyArrow的重要性，所以要用好Pandas，PyArrow的根底是须要把握的。官网的地址：

https://avoid.overfit.cn/post/2604f28a0aef4ae99cf4df15b977210c