pandas文档0.24.1第二章 安装

我之前有个想法，想翻译pandas的官方文档。这是我翻译的第一篇，仅代表我个人观点，仅供参考，如有错误，欢迎指出。如果因为参看我的翻译而出错了，概不负责。

不同平台的markdown格式竟然不兼容，改起来太麻烦了。文中如有格式错误，请见谅。

第二章 安装

[TOC]

最简单的安装方式就是安装anaconda发行版（distribution）.Anaconda是一个用于数据分析和科学计算的跨平台的发行软件，其中内置了pandas。对于大多数用户来说，我们推荐这种安装方式。
不过我们也提供了很多其他安装方式的指导，比如利用源文件、PyPI、ActivePython、各种Linux发行版或开发者版本等等。

2.1 移除对python2.7支持的计划

Python的核心团队决定在2020年1月1日停止对python2.7的支持。与NumPy的计划相适应，所有pandas的版本将支持python2，直到2018年十二月31日。
0.24.x版本将是支持python2的最后一个版本。安装包将一直支持PyPI或通过conda获取。

如果过了2018年12月31日，有人愿意继续支持python2的话(反向移植(backport)修复bug或者赞助)，请前往问题追踪器上的维护人员版。
详情请看python3官方声明和移植到python3指南。

2.2 支持的python版本

python官方版2.7,3.5,3.6和3.7。

2.3 安装pandas

2.3.1 用Anaconda安装

安装pandas以及连带的NumPy和SciPy包对于新手来说有点困难。
最简单的方法是不只安装pandas，而是同时安装Python以及组成SciPy套装（stack）的许多受欢迎的包（比如IPython,NumPy,Matplotlib等等），这些全部内置在了Anaconda中。Anaconda是一个用于数据分析和科学计算的跨平台(Linux，Mac OS X，Windows)Python发行版。
运行安装包后，用户可以直接使用pandas和其他SciPy套装，而不需要额外安装，也不需要其他软件编译。
Anaconda的安装指南可以点击这里。
完整的Anaconda包清单可以在这里找到。
安装Anaconda的另外一个好处是不需要管理者（admin）权限。Anaconda能在用户主目录里安装，日后如果想删除Anaconda也很简单，只需要删除文件夹就行了。

2.3.2 用Miniconda安装

前文讲了如何用Anaconda来安装pandas。但是这种方式也意味着，你会同时安装和Anaconda一起绑定的一百多种包，也要下载几百兆的安装包。
如果你想自主决定安装哪个包，或者宽带速度有限，那么使用Miniconda可能会更好。
Conda是一个包管理器（Package Manager），Anaconda也是在其基础上建立的。Conda这个包管理器不仅跨平台，而且独立于编程语言（注：也就是说不仅可以管理python，也可以管理julia等语言。英文：language agnostic）Conda结合了pip工具和虚拟环境（virtualenv）。
使用Miniconda可以创建内置python的一个最小的安装文件，然后可以利用conda来安装其他包。
首先，需要安装conda。下载和运行Miniconda会默认安装conda。安装包可以在这里找到。
其次，需要创建一个conda环境。conda环境有点像一个虚拟环境，允许你选择特定的python版本和包。请在终端（Terminal）窗口运行下面的命令：

conda create -n name_of_my_env python

这将创建包含python的一个最小的环境。让你自己在这个最小环境中运行。

source activate name_of_my_env

在windows系统中，命令是：

activate name_of_my_env

最后一步就是安装pandas。使用下面的命令即可：

conda install pandas

如果要安装一个特定的pandas版本：

conda install pandas=0.20.3

安装其他包也可以用conda，比如安装ipython：

conda install ipython

也可以安装整个Anaconda发行版：

conda install anaconda

如果你要安装的包可以用pip安装，但是无法用conda安装，那么就需要安装pip，然后使用pip去安装那些包。

conda install pip
pip install django

2.3.3 用PyPI安装

pandas可以用PyPI的pip安装:

pip install pandas

2.3.4 用ActivePython安装

ActivePython的安装指令可以在这里找到。版本2.7和3.5包含pandas。

2.3.5 使用Linux发行版的包管理器安装

下面这张表中的指令将会为你的Linux发行版中的python安装pandas。如果要为python2安装，需要使用python-pandas这个包。

发行版	状态	下载/仓库链接	安装方法
Debian	稳定	official Debian repository	sudo apt-get install python3-pandas
Debian & Ubuntu	最近版本不稳定	NeuroDebian	sudo apt-get install python3-pandas
Ubuntu	稳定	official Ubuntu repository	sudo apt-get install python3-pandas
OpenSuse	稳定	OpenSuse Repository	zypper in python3-pandas
Fedora	稳定	official Fedora repository	dnf install python3-pandas
Centos/RHEL	稳定	EPEL repository	yum install python3-pandas

不过，Linux的包管理器中的包通常要很多版本，务必安装最新的版本。推荐使用上面所说的pip或者conda方法安装pandas。

2.3.5 使用源文件安装

阅读贡献指南来从git源码树安装pandas的完整指令。另外，如果想创建一个pandas开发环境，请看创建开发环境指南。

2.4 运行测试套件

pandas自带一套详尽的单元测试，覆盖了97%的代码库。为了使用单元测试来验证你的机器能够正常运行，请确保已经安装了pytest和Hypothesis，并且pytest版本在3.6以上，Hypothesis版本在3.58以上，然后运行

pd.test()

输出结果

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 =====================

2.5 pandas依赖关系

• setuptools:24.2.0 or higher
• NumPy:1.12.0 or higher
• python-dateutil:2.5.0 or higher
• pytz

2.5.1 推荐的依赖库

• numexpr:为了加速特定的数值操作，numexpr使用了多核，同时运用了智能分区和缓存（smart chunking and caching）来达到大规模加速。如果要安装，版本一定要在2.6.1以上。
• bottleneck:旨在加速特定种类的非数值（nan：not a number）估算。bottleneck运用了特定的cython程序来达到大规模加速。如果要安装，版本一定要在1.2.0以上。

注意： 这些库能极大地提高运行速度，非常推荐安装这些包，尤其是在处理大规模数据集的时候。

2.5.2 可选的依赖关系

• cython：只在构建开发环境时必选，版本要在0.28.2以上

• scipy：包含丰富的统计功能，版本要在0.18.1以上

• xarray：像pandas一样可以处理大于2维的数据集。如果要转换面板数据到xarray对象，必须安装xarray。推荐版本在0.7.0以上。

• PyTables：用于基于HDF5格式（层次性数据格式）的储存文件，版本要在3.4.2以上。

• pyarrow：用于基于FEATHER格式（快速磁盘储存格式）的储存文件，版本要在0.9.0以上。

• Apache Parquet:用于parquet(一种列式储存格式)格式的储存文件，要求pyarrow在0.7.0版本以上或fastparquet在0.2.1版本以上。支持用snappy(压缩格式)或brotli(压缩格式)压缩。

• SQLAlchemy：用于SQL数据库的支持。推荐版本在0.8.1以上。除了SQLAlchemy，还需要一个数据库驱动。在SQLAlchemy文档能够找到每种SQL方言的支持的驱动。常见的驱动有下面几种：

  • psycopg2：用于PostgreSQL
  • pymysql：用于MySQL
  • SQLite：用于SQLite，这个库内置在python的基本库里

• matplotlib：用于可视化，版本要在2.0.0以上

• 用于Excel I/O（详情可点这里）：

  • xlrd/xlwt:读取excel（xlrd），版本要在1.0.0以上，编辑excel（xlwt）.这两者针对的是xls格式的excel文件。
  • openpyxl:用于编辑xlsx格式的excel文件，要求xlrd版本在0.9.0以上。
  • XlsxWriter：可选的excel编辑工具

• Jinja2：条件HTML格式的模板引擎

• s3fs：访问Amazon S3的必要库，版本要在0.0.7以上

• blosc：可以使用blosc（快速多线程的压缩工具）压缩msgpack(一种类似于json的格式)

• gcsfs：访问谷歌云储存服务的必要库，版本要在0.1.0以上

• qtpy(要求要PYQT或者PySide)、PyQt5、PyQt4、pygtk，xsel或者xclip中的一种：使用read_clipboard()*的前置必要库。大多数Linux发行版中的包管理器都提供xclip或xsel安装。
  *read_clipboard():pandas中的一个方法，用于读取剪切板中的数据。在excel选中相关数据并按下ctrl+c，然后使用read_clipboard()就可以读取剪切板中的这些数据.

• pandas-gbq：用于Google BigQuery I/O(云数据分析引擎)，要求版本在0.8.0以上。

• Backports.lzma：只用于python2，目的是读写CSV中用xz格式压缩的数据集。Python3对此的支持已经移入了标准库中。
  要使用高阶的读取html函数(read_html())的话，需要下面这些包组合中的一种组合。
  0.23.0版本中有所更改。
  注意：如果要使用BeautifulSoup4，其版本要求在4.2.1以上。

  1. BeautifulSoup4和html5lib（html5lib最新版本中的任意一种都ok）
     2.BeautifulSoup4和lxml
     3.BeautifulSoup4、html5lib和lxml
     4.只使用lxml，虽然不推荐这种组合。至于不推荐的理由，请查阅html表解析.

  

  • 如果你要安装BeautifulSoup4,必须同时也安装lxml、html5lib或者两者都安装。如果只安装了BeautifulSoup4，read_html()将用不了。
  • 强烈建议用户阅读HTML表解析Gotchas*.它解释了上面3个库的安装和使用的一些问题。
    * Gotcha：可点击查看wiki百科的解释。Gotcha大致可解释为一种编程语言中的一种合法构造，但是很容易被调用和出错，也被叫做“陷阱”。

  注意：如果你使用的系统上有apt-get，可以直接运行:

  sudo apt-get build-dep python-lxml
  

  这样就可以获取安装lxml的必要前置库了。以免将来出现各种头疼的问题。

注意： 如果没有上面可选的一些依赖库，很多有用的功能都会用不了。因此，强烈建议你安装这些库。可以考虑安装集成了这些库的发行版程序，比如Anaconda、ActivePython（2.7版本或3.5版本）或者Enthought Canopy.