2019 pandas 用户调查 #

Pandas 最近进行了一项用户调查，以帮助指导未来的开发。感谢所有参与者！本帖将呈现高层次的结果。

该分析和原始数据可以在 GitHub 上找到，并可在 Binder 上运行

Binder

在我们运行调查的 15 天（2019 年夏天）里，我们收到了大约 1250 份回复。

关于受访者 #

在 pandas 的使用经验和频率方面，受访者群体相当多样化，尽管大多数受访者是经验更丰富的那部分。

png

png

我们包含了一些在 Python 开发者调查中也问过的问题，以便将 Pandas 的用户群体与 Python 的用户群体进行比较。

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

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

Windows 用户占有相当大的比例（参见 Steve Dower 关于此主题的 演讲）。

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

在环境隔离方面，conda 是最受欢迎的。

png

大多数受访者仅使用 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，很难知道哪些功能实际上被使用了。我们问了一些问题来了解情况。

CSV 和 Excel 是（无论好坏）最受欢迎的格式。

png

在准备对 pandas 内部进行可能的重构时，我们想了解一下包含数百列甚至更多列的宽（wide）DataFrame 有多普遍。

png

Pandas 正在缓慢地增长新的扩展类型。分类（Categoricals）是最受欢迎的，而可为空的整数类型（nullable integer type）已经和带时区的 datetime 类型一样受欢迎了。

png

更多的、更好的示例似乎是一个高优先级的开发项。Pandas 最近获得了一笔 NumFOCUS 资助，用于改进我们的文档，我们正利用这笔资助编写教程风格的文档，这应该有助于满足这一需求。

png

我们还询问了具体、常用请求的功能。

png

其中，最突出的问题是“扩展”到大型数据集。有几点观察

  1. 或许 pandas 的文档应该更好地推广提供可扩展 DataFrame 的库（例如 Dask、vaex 和 modin）
  2. 内存效率（可能来自原生的字符串数据类型、更少的内部复制等）是一个有价值的目标。

在此之后，下一个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，但它们不是默认的，并且仍然与 pandas API 的其余部分存在一些不兼容性。

Pandas 是一个比 NumPy 更不保守的库。我们正接近 1.0 版本，但在这一过程中，我们做了许多弃用，以及一些完全打破 API 的更改。幸运的是，大多数人都接受这种权衡。

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

存在一种看法（许多 pandas 维护者也持有这种看法），即 pandas 的 API 太大了。为了衡量这一点，我们询问了用户是否认为 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（非常不满意）到 5（非常满意）。

png

大多数人非常满意。平均回复是 4.39。我期待着追踪这个数字。

如果您正在分析原始数据，请务必与我们分享结果 @pandas_dev。