Pandas 2.2.3 版本详解首个完整兼容 Python 3.13 的发布版与表达式求值 Bug 修复【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandasPandas 2.2.3发布于 2024 年 9 月 20 日是 pandas 2.2 系列的一个维护性补丁版本其核心价值在于它是 pandas 首个与 Python 3.13 全面兼容的正式版本同时修复了eval/query中复数complex除法丢失虚部的历史性 Bug并为 numpy 2.1 做了兼容性微调。本文以官方发布说明doc/source/whatsnew/v2.2.3.rst为骨架结合仓库源码与测试用例逐条剖析该版本的每一项变更帮助你判断是否需要升级、升级后行为有何变化以及如何验证。版本概览一次小步快跑的维护性更新从变更规模上看2.2.3 属于典型的补丁版本没有新增 API没有弃用deprecation变更也没有破坏性行为调整全部改动集中在兼容性与正确性两个方向Python 3.13 全面兼容首个官方支持 Python 3.13 的 pandas 版本同时提供普通与 free-threaded无 GIL两种 CPython 3.13 的 wheel表达式求值正确性修复eval对 complex 类型执行除法/时不再丢失虚部numpy 2.1 兼容性微调针对 numpy 2.1 的一处小问题修复发布产物完整性修复第三方依赖的许可证文件重新被打包进 wheel。完整变更列表以 doc/source/whatsnew/v2.2.3.rst 为准各版本历史见 doc/source/whatsnew/index.rst。Python 3.13 兼容从预告到正式发布说明明确写道Pandas 2.2.3 is the first version of pandas that is generally compatible with the upcoming Python 3.13——即 2.2.3 是第一个与 Python 3.13 普遍兼容的 pandas 版本。值得关注的是其中两个细节普通与 free-threaded 双 wheel该版本为 Python 3.13 同时上传了两种构建产物——标准 CPython 3.13 wheel以及 free-threaded无 GIL实验性构建的 wheel。后者对应 CPython 3.13 中可选的--disable-gil构建模式pandas 在该模式下通过_cpu.py等模块的运行时探测来适配线程与 GIL 相关的行为见 pandas/compat/_cpu.py 及 pandas/compat/_constants.py。兼容性边界generally compatible意味着 2.2.3 完成的是常规使用场景下的适配而非对 Python 3.13 所有实验性特性如 free-threaded 模式下的完整并行语义的最终承诺。若在 3.13 下发现新问题应通过官方 issue tracker 提交。如何验证安装环境升级后在 Python 3.13 环境下执行以下检查可以快速确认版本与依赖状态import pandas as pd import sys print(sys.version) # 应显示 3.13.x print(pd.__version__) # 应显示 2.2.3 print(pd.show_versions()) # 打印 numpy、numexpr 等依赖的完整版本矩阵依赖矩阵的打印逻辑位于 pandas/util/_print_versions.py升级后建议用其确认numpy、numexpr、bottleneck等关键依赖版本与 pandas 2.2.3 的搭配是否在预期范围内。Bug 修复一eval中复数除法丢失虚部这是本次发布最有技术含量的一项修复对应 issue GH#21374。问题现象在此之前通过eval或DataFrame.eval/DataFrame.query对 complex 类型数据执行除法/时结果会丢失虚部。仓库测试 pandas/tests/frame/test_query_eval.py 精确复现了该场景def test_complex_eval(self, engine, parser): # GH#21374 df pd.DataFrame({a: [1 2j], b: [1 1j]}) result df.eval(a/b, engineengine, parserparser) expected pd.Series([1.5 0.5j]) tm.assert_series_equal(result, expected)即(1 2j) / (1 1j)的数学结果是1.5 0.5j修复前在部分引擎路径下只返回实部。底层原理算术运算符的注册表eval的表达式解析与求值链路位于 pandas/core/computation/expr.py 与 pandas/core/computation/ops.py。其中除法运算符的映射定义在 pandas/core/computation/ops.pyARITH_OPS_SYMS (, -, *, /, **, //, %) _arith_ops_funcs ( operator.add, operator.sub, operator.mul, operator.truediv, # / 直接映射到 Python 原生 operator.truediv operator.pow, operator.floordiv, operator.mod, )修复的核心是保证/在所有引擎与解析器组合下都严格走operator.truediv的复数语义而不是在类型提升upcasting或底层数值库路径中退化为只保留实部的运算。配套的回归测试覆盖了两层语法层complex 除法语义即上面的test_complex_eval同时以engine × parser组合参数化运行类型提升层TestTypeCasting类pandas/tests/computation/test_eval.py对[, -, *, **, /]全部算术符逐一验证在complex64/complex128下断言df.values.dtype dtype且结果与原生 Pythoneval一致确保除法不再破坏复数的 dtype 与虚部。注意测试中一处细节numexpr引擎在complex64上存在上游的 upcast 问题numexpr issue #492因此该组合被标记为xfail。这也解释了为什么复数除法修复主要作用于python引擎路径——若你同时安装了 numexpr 且使用 complex 数据仍建议显式指定enginepython。实操验证在你的环境中用以下脚本即可一键验证修复是否生效import pandas as pd import numpy as np df pd.DataFrame({a: [1 2j, 3 4j], b: [1 1j, 1 - 1j]}) # 修复前虚部丢失修复后得到 1.50.5j 与 -0.53.5j print(df.eval(a / b, enginepython)) # 与 NumPy/Python 原生结果对齐检查 print(df[a].to_numpy() / df[b].to_numpy())若两行输出一致虚部完整保留说明该 Bug 已在当前环境中修复。Bug 修复二numpy 2.1 兼容性微调发布说明中另一项修复为Minor fixes for numpy 2.1 compatibility对应 GH#59444。这是 numpy 2.x 大版本迁移工作自 pandas 2.2 系列持续推进的延续pandas 2.2.x 系列通过 pandas/compat/numpy/function.py 与 pandas/compat/numpy/init.py 等适配层对 numpy 2.0 引入的 API 变更如部分函数别名、dtype 行为调整做兼容2.2.3 在此基础上针对 numpy 2.1 做了少量修正属于微调级别minor fixes不影响公开 API。对于普通用户升级 numpy 至 2.1.x 后若遇到与 pandas 相关的告警或异常升级到 2.2.3 即可覆盖绝大多数场景若仍有问题应通过 pandas/issues 提交包含pd.show_versions()输出的完整报告。其他变更wheel 内第三方许可证回归发布说明的 Other 部分只有一条Missing licenses for 3rd party dependencies were added back into the wheels对应 GH#58632。pandas 的 wheel 构建中会捆绑若干第三方 C/C 库如日期解析用的 dateutil 片段、Excel 读取依赖、numpy 片段、XSIMD 等这些库的许可证文本此前在部分 wheel 产物中缺失2.2.3 将其重新补回。仓库中的 LICENSES 目录集中存放了这些第三方许可证文本包括DATEUTIL_LICENSE、NUMPY_LICENSE、XSIMD_LICENSE、BOTTLENECK_LICENCE、HAVEN_LICENSE、MUSL_LICENSE等十余份文件可作为核对打包清单的参照。对普通使用者的实际影响很小主要受益方是需要做合规审计、将 pandas wheel 再分发的企业用户——升级后可在site-packages/pandas的LICENSES目录中确认许可证文件齐全。升级建议与注意事项关注点结论是否破坏性变更否纯维护性补丁API 无变化最值得升级的理由需要 Python 3.13 环境使用eval/query处理 complex 数据Python 版本前提该版本官方支持的 Python 版本区间与 2.2 系列一致3.13 支持为本版本新增复数除法引擎选择complex 数据建议显式enginepython规避 numexpr 的 upcast 限制合规要求升级后核对 wheel 内第三方许可证是否齐全升级命令任选其一按实际环境pip install --upgrade pandas2.2.3 # 或使用 conda conda install pandas2.2.3升级完成后建议运行仓库自带的回归测试子集做冒烟验证需要已 clone 仓库并具备测试依赖# 验证 complex eval 修复与类型提升回归测试 python -m pytest pandas/tests/frame/test_query_eval.py -k complex python -m pytest pandas/tests/computation/test_eval.py -k TypeCasting以上测试文件路径与 GH#21374 回归用例一一对应通过即代表该修复在你的环境中正确生效。结合 doc/source/whatsnew/v2.2.3.rst 的完整变更清单你可以据此做出清晰的升级决策。【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandas创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Pandas 2.2.3 版本详解：首个完整兼容 Python 3.13 的发布版与表达式求值 Bug 修复
Pandas 2.2.3 版本详解首个完整兼容 Python 3.13 的发布版与表达式求值 Bug 修复【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandasPandas 2.2.3发布于 2024 年 9 月 20 日是 pandas 2.2 系列的一个维护性补丁版本其核心价值在于它是 pandas 首个与 Python 3.13 全面兼容的正式版本同时修复了eval/query中复数complex除法丢失虚部的历史性 Bug并为 numpy 2.1 做了兼容性微调。本文以官方发布说明doc/source/whatsnew/v2.2.3.rst为骨架结合仓库源码与测试用例逐条剖析该版本的每一项变更帮助你判断是否需要升级、升级后行为有何变化以及如何验证。版本概览一次小步快跑的维护性更新从变更规模上看2.2.3 属于典型的补丁版本没有新增 API没有弃用deprecation变更也没有破坏性行为调整全部改动集中在兼容性与正确性两个方向Python 3.13 全面兼容首个官方支持 Python 3.13 的 pandas 版本同时提供普通与 free-threaded无 GIL两种 CPython 3.13 的 wheel表达式求值正确性修复eval对 complex 类型执行除法/时不再丢失虚部numpy 2.1 兼容性微调针对 numpy 2.1 的一处小问题修复发布产物完整性修复第三方依赖的许可证文件重新被打包进 wheel。完整变更列表以 doc/source/whatsnew/v2.2.3.rst 为准各版本历史见 doc/source/whatsnew/index.rst。Python 3.13 兼容从预告到正式发布说明明确写道Pandas 2.2.3 is the first version of pandas that is generally compatible with the upcoming Python 3.13——即 2.2.3 是第一个与 Python 3.13 普遍兼容的 pandas 版本。值得关注的是其中两个细节普通与 free-threaded 双 wheel该版本为 Python 3.13 同时上传了两种构建产物——标准 CPython 3.13 wheel以及 free-threaded无 GIL实验性构建的 wheel。后者对应 CPython 3.13 中可选的--disable-gil构建模式pandas 在该模式下通过_cpu.py等模块的运行时探测来适配线程与 GIL 相关的行为见 pandas/compat/_cpu.py 及 pandas/compat/_constants.py。兼容性边界generally compatible意味着 2.2.3 完成的是常规使用场景下的适配而非对 Python 3.13 所有实验性特性如 free-threaded 模式下的完整并行语义的最终承诺。若在 3.13 下发现新问题应通过官方 issue tracker 提交。如何验证安装环境升级后在 Python 3.13 环境下执行以下检查可以快速确认版本与依赖状态import pandas as pd import sys print(sys.version) # 应显示 3.13.x print(pd.__version__) # 应显示 2.2.3 print(pd.show_versions()) # 打印 numpy、numexpr 等依赖的完整版本矩阵依赖矩阵的打印逻辑位于 pandas/util/_print_versions.py升级后建议用其确认numpy、numexpr、bottleneck等关键依赖版本与 pandas 2.2.3 的搭配是否在预期范围内。Bug 修复一eval中复数除法丢失虚部这是本次发布最有技术含量的一项修复对应 issue GH#21374。问题现象在此之前通过eval或DataFrame.eval/DataFrame.query对 complex 类型数据执行除法/时结果会丢失虚部。仓库测试 pandas/tests/frame/test_query_eval.py 精确复现了该场景def test_complex_eval(self, engine, parser): # GH#21374 df pd.DataFrame({a: [1 2j], b: [1 1j]}) result df.eval(a/b, engineengine, parserparser) expected pd.Series([1.5 0.5j]) tm.assert_series_equal(result, expected)即(1 2j) / (1 1j)的数学结果是1.5 0.5j修复前在部分引擎路径下只返回实部。底层原理算术运算符的注册表eval的表达式解析与求值链路位于 pandas/core/computation/expr.py 与 pandas/core/computation/ops.py。其中除法运算符的映射定义在 pandas/core/computation/ops.pyARITH_OPS_SYMS (, -, *, /, **, //, %) _arith_ops_funcs ( operator.add, operator.sub, operator.mul, operator.truediv, # / 直接映射到 Python 原生 operator.truediv operator.pow, operator.floordiv, operator.mod, )修复的核心是保证/在所有引擎与解析器组合下都严格走operator.truediv的复数语义而不是在类型提升upcasting或底层数值库路径中退化为只保留实部的运算。配套的回归测试覆盖了两层语法层complex 除法语义即上面的test_complex_eval同时以engine × parser组合参数化运行类型提升层TestTypeCasting类pandas/tests/computation/test_eval.py对[, -, *, **, /]全部算术符逐一验证在complex64/complex128下断言df.values.dtype dtype且结果与原生 Pythoneval一致确保除法不再破坏复数的 dtype 与虚部。注意测试中一处细节numexpr引擎在complex64上存在上游的 upcast 问题numexpr issue #492因此该组合被标记为xfail。这也解释了为什么复数除法修复主要作用于python引擎路径——若你同时安装了 numexpr 且使用 complex 数据仍建议显式指定enginepython。实操验证在你的环境中用以下脚本即可一键验证修复是否生效import pandas as pd import numpy as np df pd.DataFrame({a: [1 2j, 3 4j], b: [1 1j, 1 - 1j]}) # 修复前虚部丢失修复后得到 1.50.5j 与 -0.53.5j print(df.eval(a / b, enginepython)) # 与 NumPy/Python 原生结果对齐检查 print(df[a].to_numpy() / df[b].to_numpy())若两行输出一致虚部完整保留说明该 Bug 已在当前环境中修复。Bug 修复二numpy 2.1 兼容性微调发布说明中另一项修复为Minor fixes for numpy 2.1 compatibility对应 GH#59444。这是 numpy 2.x 大版本迁移工作自 pandas 2.2 系列持续推进的延续pandas 2.2.x 系列通过 pandas/compat/numpy/function.py 与 pandas/compat/numpy/init.py 等适配层对 numpy 2.0 引入的 API 变更如部分函数别名、dtype 行为调整做兼容2.2.3 在此基础上针对 numpy 2.1 做了少量修正属于微调级别minor fixes不影响公开 API。对于普通用户升级 numpy 至 2.1.x 后若遇到与 pandas 相关的告警或异常升级到 2.2.3 即可覆盖绝大多数场景若仍有问题应通过 pandas/issues 提交包含pd.show_versions()输出的完整报告。其他变更wheel 内第三方许可证回归发布说明的 Other 部分只有一条Missing licenses for 3rd party dependencies were added back into the wheels对应 GH#58632。pandas 的 wheel 构建中会捆绑若干第三方 C/C 库如日期解析用的 dateutil 片段、Excel 读取依赖、numpy 片段、XSIMD 等这些库的许可证文本此前在部分 wheel 产物中缺失2.2.3 将其重新补回。仓库中的 LICENSES 目录集中存放了这些第三方许可证文本包括DATEUTIL_LICENSE、NUMPY_LICENSE、XSIMD_LICENSE、BOTTLENECK_LICENCE、HAVEN_LICENSE、MUSL_LICENSE等十余份文件可作为核对打包清单的参照。对普通使用者的实际影响很小主要受益方是需要做合规审计、将 pandas wheel 再分发的企业用户——升级后可在site-packages/pandas的LICENSES目录中确认许可证文件齐全。升级建议与注意事项关注点结论是否破坏性变更否纯维护性补丁API 无变化最值得升级的理由需要 Python 3.13 环境使用eval/query处理 complex 数据Python 版本前提该版本官方支持的 Python 版本区间与 2.2 系列一致3.13 支持为本版本新增复数除法引擎选择complex 数据建议显式enginepython规避 numexpr 的 upcast 限制合规要求升级后核对 wheel 内第三方许可证是否齐全升级命令任选其一按实际环境pip install --upgrade pandas2.2.3 # 或使用 conda conda install pandas2.2.3升级完成后建议运行仓库自带的回归测试子集做冒烟验证需要已 clone 仓库并具备测试依赖# 验证 complex eval 修复与类型提升回归测试 python -m pytest pandas/tests/frame/test_query_eval.py -k complex python -m pytest pandas/tests/computation/test_eval.py -k TypeCasting以上测试文件路径与 GH#21374 回归用例一一对应通过即代表该修复在你的环境中正确生效。结合 doc/source/whatsnew/v2.2.3.rst 的完整变更清单你可以据此做出清晰的升级决策。【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandas创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考