Pandas 3.0 新特性速览

版本背景

pandas 3.0.5 于 2026-07-22 发布。3.0 是继 2.0 之后又一次大版本更新，核心变化有两个：Copy-on-Write（写时复制）成为默认且唯一的模式，字符串有了专属的新数据类型。另外 PyArrow 后端和性能优化也是重头戏。

这次升级不是突然来的：2.1 到 2.3 陆续把 CoW 优化落地，2.3 还提供了新字符串类型的体验开关，3.0 一次性转正。老用户其实已经被提前剧透过了。

对新手来说，直接学 3.0 反而省事：没有旧习惯要改，照着新写法走就行。这一章先把变化讲清楚，后面各章节涉及的地方还会再提醒。

Copy-on-Write 默认开启

老版本里有个坑：从 DataFrame 取出的子集和原表共享数据，改子集可能连带改到原表，行为很难预测。3.0 起 Copy-on-Write（写时复制，CoW）成为默认且唯一的模式，把这个坑彻底填了：任何派生对象在修改前先复制，原表纹丝不动。

对新手来说，直接学 3.0 不用记任何迁移。要升级老项目，记住两个检查点：

1. 链式赋值 df["foo"][df["bar"] > 5] = 100 在 3.0 下不会生效，还会触发 ChainedAssignmentError，一律改写为 df.loc[df["bar"] > 5, "foo"] = 100
2. 别依赖”改子集会改原表”的旧行为；需要真正独立的数据时，显式 .copy()

CoW 的完整机制在第 09 章展开。

新字符串类型 StringDtype

过去几十年，字符串一直存放在 NumPy 的 object 类型里。object 什么都能装，导致两个问题：性能差、语义模糊（看到 object 不知道是字符串还是别的）。

其实 pandas 从 1.0 起就提供了可选的 string 类型，只是没转正。3.0 把它设为默认：字符串默认推断为新的 StringDtype，显示为 str。

import pandas as pd

s = pd.Series(["a", "b", None])
print(s.dtype)   # str

几个关键行为：

• 缺失值统一用 NaN 表示
• 只能存字符串，往里塞数字直接报 TypeError
• 底层优先用 PyArrow 存储（装了 pyarrow 时），速度更快
• astype(“str”) 不再把缺失值变成字符串 “nan”
• 判断字符串列从 s.dtype == "object" 改成 s.dtype == "str"

字符串方法照常工作，比如 s.str.upper() 转大写，写法没变，只是底层换了：

import pandas as pd

s = pd.Series(["a", "b", None], dtype="str")
print(s.str.upper())   # A / B / NaN

想写兼容 2.x 和 3.x 的代码，用 is_string_dtype 判断：

import pandas as pd

s = pd.Series(["a", "b"])
print(pd.api.types.is_string_dtype(s.dtype))   # True，新旧版本都成立

在 pandas 2.3 里可以提前体验这个特性：

import pandas as pd

pd.options.future.infer_string = True

对新手意味着什么

直接学 3.0 的同学省心：本教程的写法就是新写法，不用记迁移。参考老教程时留个心眼，遇到链式赋值、dtype 判断这类写法，按本章的规则改过来。

升级老项目的同学，在 2.2 里可以开警告模式，把所有会受 CoW 影响的代码提前暴露出来：

import pandas as pd

pd.options.mode.copy_on_write = "warn"

警告会比较多，重点处理链式赋值相关的即可。

PyArrow 后端

PyArrow 是 Apache Arrow 的 Python 实现，pandas 可以用它当数据后端。先装 pyarrow：

pip install pyarrow

import pandas as pd

# 用 pyarrow 后端创建带缺失值的整数列
s = pd.Series([1, 2, None], dtype="int64[pyarrow]")
print(s)   # 缺失值显示 <NA>

优势：

• 数据类型比 NumPy 更丰富，所有类型都支持缺失值
• 读 CSV 等文件时指定 engine=“pyarrow” 或 dtype_backend=“pyarrow” 可加速
• 字符串、聚合、算术等操作有 Arrow 原生计算加速
• 与 polars、cuDF 等 Arrow 生态库互操作顺畅

PyArrow 的缺失值显示为 ，和 pandas 自己的可空类型（第 07 章）体验类似，但底层存储更紧凑。

什么时候用？数据量大、列类型复杂时收益明显；小数据用默认后端就够，不用折腾。

读文件时想直接用 pyarrow 后端，给 read_csv 传 dtype_backend 参数即可：

import pandas as pd

# 读 CSV 并直接得到 pyarrow 后端的数据
# df = pd.read_csv("data.csv", dtype_backend="pyarrow")

性能提升

3.0 的性能提升主要来自三处：

• CoW 延迟复制：不再到处立即复制数据
• 字符串走 PyArrow 存储和计算
• 官方推荐安装 pandas[performance]（numexpr、bottleneck、numba）

pip install "pandas[performance]"

什么时候值得关心性能？数据量到几十万行以上，或者某个操作在循环里反复执行时。日常小数据不用纠结，先把逻辑写对，性能优化是后置项（第 53 章专题）。

升级到 3.0 的检查清单

给要升级老项目的同学列个清单，逐条核对：

1. 全局搜索 df[“列”][条件] = 值 这类链式赋值，改成 df.loc[条件, “列”] = 值
2. 全局搜索 dtype == "object" 的字符串判断，改成 dtype == "str"
3. 跑一遍测试，重点看字符串列和原地修改相关逻辑

如果你的项目还在 2.x，也可以提前适应：2.1 起用 pd.options.future.infer_string 体验新字符串类型，2.2 起用 CoW 警告模式排查受影响的代码。

StringDtype 的取舍

3.0 里默认字符串就是 str，绝大多数场景直接用。什么情况还要手动指定 object？一是确实要往文本列里塞非字符串对象，二是兼容老代码的临时方案。其余情况 str 更省心：语义清楚、性能更好、缺失值行为统一。