2019 年 pandas 用户调查

pandas 最近进行了一项用户调查，以帮助指导未来的发展。感谢所有参与的人！这篇文章介绍了主要结果。

此分析和原始数据可以在 GitHub 上找到，并在 Binder 上运行

Binder

我们在 2019 年夏季进行的调查中，在 15 天内获得了大约 1250 份回复。

关于受访者

在 pandas 经验和使用频率方面，有相当多的代表性，尽管大多数受访者都比较有经验。

png

png

我们包含了一些在 Python 开发者调查 中也问过的问题，以便我们可以将 Pandas 的人群与 Python 的人群进行比较。

90% 的受访者使用 Python 作为主要语言（相比之下，PSF 调查中为 84%）。

Yes    90.67%
No      9.33%
Name: Is Python your main language?, dtype: object

Windows 用户得到了很好的体现（参见 Steve Dower 的演讲）。

Linux      61.57%
Windows    60.21%
MacOS      42.75%
Name: What Operating Systems do you use?, dtype: object

对于环境隔离，conda 最受欢迎。

png

大多数受访者只使用 Python 3。

3        92.39%
2 & 3     6.80%
2         0.81%
Name: Python 2 or 3?, dtype: object

Pandas API

对于开源项目来说，了解哪些功能实际上被使用是很难的。我们问了一些问题来了解一下。

CSV 和 Excel 是（无论好坏）最流行的格式。

png

为了准备可能对 pandas 内部进行重构，我们想了解一下宽（100 列或更多）DataFrame 的普遍程度。

png

Pandas 正在慢慢增加新的扩展类型。分类是最受欢迎的，可空整数类型已经几乎与带时区的日期时间一样受欢迎。

png

更多更好的示例似乎是一个优先级很高的开发项目。pandas 最近获得了 NumFOCUS 资助以改进我们的文档，我们正在使用它来编写教程式文档，这应该有助于满足这一需求。

png

我们还询问了一些具体且经常被请求的功能。

png

其中，最突出的就是“扩展”到大型数据集。一些观察结果

  1. 也许 pandas 的文档应该更好地宣传提供可扩展 DataFrame 的库（如 Dask、vaex 和 modin）
  2. 内存效率（也许来自本机字符串数据类型、更少的内部复制等）是一个有价值的目标。

接下来，最关键的改进是整数缺失值。这些实际上是在 Pandas 0.24 中添加的，但它们不是默认值，并且与其他 pandas API 仍然存在一些不兼容性。

Pandas 比 NumPy 等库更不保守。我们正在接近 1.0 版本，但在开发过程中，我们进行了许多弃用操作，并进行了一些彻底的 API 更改。幸运的是，大多数人对这种权衡都能接受。

Yes    94.89%
No      5.11%
Name: Is Pandas stable enough for you?, dtype: object

人们普遍认为（许多 pandas 维护者也持这种观点）pandas API 太大了。为了衡量这一点，我们询问用户是否认为 pandas 的 API 太大、太小还是刚刚好。

png

最后，我们询问了用户对该库的整体满意度，从 1（很不满意）到 5（非常满意）。

png

大多数人非常满意。平均评分为 4.39。我期待着随着时间的推移跟踪这个数字。

如果您正在分析原始数据，请务必与我们分享结果 @pandas_dev。