安装与环境搭建

先确认 Python 版本

pandas 是 Python 库，前提是先有 Python。pandas 3.0 官方支持 Python 3.11 及以上版本，建议直接装较新的稳定版。

先检查你的 Python：

python --version

没装 Python 就去 python.org 下载安装。Windows 安装时记得勾选 “Add Python to PATH”，否则命令行里找不到 python。装完重开一个命令行窗口，配置才会生效。

确认 pip 可用

安装 pandas 走 pip，它是 Python 自带的包管理工具。确认一下：

pip --version

能输出版本号就说明可用。输出里的 Python 路径值得留意：如果机器上装了好几个 Python，pip 可能指向其中一个，装包会装到那个环境里。

pip 安装 pandas

打开命令行（Windows 用 PowerShell 或 CMD），执行：

pip install pandas

想安装指定版本，加上版本号：

pip install pandas==3.0.5

pip 会自动装上 pandas 的必需依赖：NumPy、python-dateutil 等；Windows 上还会带 tzdata（时区数据）。

安装过程中会看到 downloading、installing 之类的进度，出现 “Successfully installed pandas-3.0.5” 就是成功了。如果中途冒出 WARNING 提示版本信息，只要没报错，一般不影响使用。

可选依赖：用到再装

pandas 有些功能依赖第三方库，用到时才需要安装：

• pandas[excel]：openpyxl 等，读写 Excel
• pandas[parquet]：pyarrow，读写 Parquet、Feather
• pandas[performance]：numexpr、bottleneck、numba，大数据量提速
• pandas[all]：全部可选依赖，一步到位

为什么搞这么复杂？因为 pandas 功能太多，全装上会让安装体积和依赖冲突都变大。按需安装是 Python 生态的通行做法，装错了也不怕，pip uninstall 卸掉就行。

比如装 Excel 支持：

pip install "pandas[excel]"

没装对应依赖就调用相关功能，会报 ImportError 并提示缺哪个包，补装即可。

验证安装

装完验证一下：

python -c "import pandas as pd; print(pd.__version__)"

能打印出版本号（比如 3.0.5）就说明成功了。看到版本号后顺手记一下：教程、博客里的示例如果基于别的版本，行为可能有差异。再跑个冒烟测试：

import numpy as np
import pandas as pd

# 冒烟测试：造一个最小的 DataFrame 并打印
df = pd.DataFrame({"a": [1, 2], "b": [3, 4]})
print(df)
print("pandas", pd.__version__)

想看得更全，用 show_versions()，它会列出 pandas、NumPy 以及各可选依赖的版本，排查环境问题时很有用：

import pandas as pd

pd.show_versions()

常用命令速查

环境相关命令先记这几个，后面用得到：

python --version              # 查看 Python 版本
pip --version                 # 查看 pip 版本
pip list                      # 列出已安装的包
python -m pip install pandas  # 用当前 python 对应的 pip 安装

pip install 时如果看到 “Requirement already satisfied”，说明包已经装过了，不是报错。

用 requirements.txt 管理依赖

项目里常用 requirements.txt 固定依赖，方便别人复现环境：

pandas==3.0.5
numpy>=1.26

安装文件里的全部依赖：

pip install -r requirements.txt

虚拟环境：强烈推荐

直接往系统 Python 里装包，时间长了容易版本冲突。比如项目 A 需要 pandas 2.x，项目 B 要 3.x，装在一个环境里就打架了。虚拟环境是隔离方案，每个项目一套依赖，互不干扰。

用标准库 venv 创建：

python -m venv myenv

激活（Windows）：

myenv\Scripts\activate

激活后命令行前缀会变化，再执行 pip install pandas 就装进这个环境了。退出用 deactivate。

激活脚本的完整路径是 myenv\Scripts\activate（Windows）或 myenv/bin/activate（macOS、Linux）。把步骤写进项目的 README，团队协作时别人照着跑一遍就能复现环境。

用 conda 安装

用 conda 的用户（比如装了 Anaconda 或 Miniforge）可以：

conda install -c conda-forge pandas

新手图省事可以直接装 Anaconda 发行版，自带 Python、pandas、Jupyter 全家桶。注意：Anaconda 分发的 pandas 不是 pandas 团队官方维护的，版本可能滞后，介意的话用 conda-forge 渠道。

pip 和 conda 选哪个？习惯用哪个都行。pip 轻量、生态广；conda 擅长管理 Python 版本和科学计算库的二进制依赖，两者不要混着装进同一个环境，容易乱。

另外记住一条习惯：环境名起得有辨识度（比如 pandas-tutorial），多个项目切换时才不会迷路。

Jupyter 环境

Jupyter 是写 pandas 最舒服的环境：代码分格运行、表格直接渲染、结果留在页面上。

pip install jupyter
jupyter notebook

更现代的界面用 JupyterLab：

pip install jupyterlab
jupyter lab

浏览器打开后新建一个 Notebook，输入代码按 Shift+Enter 运行。

Notebook 适合交互式探索；正式脚本建议写成 .py 文件用 python 直接跑。两种形态 pandas 都支持，代码写法完全一样。

在 Jupyter 里跑 pandas

Jupyter 安装好后，第一次用走这几步：

1. 命令行执行 jupyter notebook，浏览器自动打开
2. 点右上角 New 选择 Python 3，新建一个 Notebook
3. 在单元格里输入 import pandas as pd，按 Shift+Enter 运行
4. 再输入 pd.__version__，回车后看到版本号
5. 文件自动保存为 .ipynb 格式，下次执行 jupyter notebook 继续编辑

Notebook 按从上到下的顺序执行单元格，也可以选中任意单元格单独重跑；改了代码，记得重跑依赖它的后续单元格。

运行第一个脚本

用记事本或任意编辑器写一个文件 hello_pandas.py：

import pandas as pd

df = pd.DataFrame({"a": [1, 2], "b": [3, 4]})
print(df)

命令行运行：

python hello_pandas.py

看到表格输出，你的环境就彻底跑通了。

装完环境，按这个清单自检一遍：

1. python —version 正常输出
2. import pandas as pd 不报错
3. pd.version 打印 3.0.5
4. 能创建 DataFrame 并打印
5. Jupyter 里能运行同一段代码

全部通过，环境就绪，进入第 03 章。

升级与卸载

升级 pandas：

pip install -U pandas

卸载 pandas：

pip uninstall pandas

怎么选版本

平时学习直接装最新稳定版就行。生产项目建议固定版本号写进 requirements.txt，升级前先在测试环境验证。

注意：网上老教程的安装命令可能不带版本号，装出来是新版，代码却按旧版写，容易出现兼容问题。本教程全部按 3.0.5 讲解，跟着写不会错。

常见问题速查

• ImportError: No module named pandas：没装上，或装到了别的环境。重新 pip install 并确认当前 python 和 pip 属于同一个环境
• 版本太旧：pip install -U pandas
• 命令行找不到 pip：检查 PATH，或直接用 python -m pip
• 装包报权限错误：避免往系统 Python 全局目录装，用虚拟环境
• 32 位 Python：处理大数据时内存受限，建议用 64 位
• pip 下载很慢：换国内镜像源，见本章 TIP
• 想装回旧版本：pip install pandas==2.3.0