2.3.0 中的新特性 (2025 年 6 月 4 日)

这些是 pandas 2.3.0 中的变更。有关包括其他 pandas 版本在内的完整更新日志，请参阅发布说明。

功能增强

其他功能增强

• __array__ 方法中 copy 关键字的语义（即在 pandas 对象上使用 np.array() 或 np.asarray() 时调用）已更新，以与 NumPy >= 2 正确配合使用 (GH 57739)

• 当 future.infer_string 为 True 时，Series.str.decode() 的结果现在具有 StringDtype (GH 60709)

• to_hdf() 和 to_hdf() 现在可以通过 StringDtype 进行往返存储 (GH 60663)

• 改进了 NumpyExtensionArray 的 repr，以考虑 NEP51 (GH 61085)

• Series.str.decode() 增加了参数 dtype，用于控制结果的 dtype (GH 60940)

• cumsum()、cummin() 和 cummax() 聚合函数现在已为 StringDtype 列实现 (GH 60633)

• sum() 聚合函数现在已为 StringDtype 列实现 (GH 59853)

显著的错误修复

这些是可能导致显著行为变更的错误修复。

notable_bug_fix1

在以前的版本中，比较不同字符串 dtype 的 Series（例如 pd.StringDtype("pyarrow", na_value=pd.NA) 与 pd.StringDtype("python", na_value=np.nan)）会导致结果 dtype 不一致或错误地引发异常。pandas 现在将使用以下层级结构

Python 最低版本要求提升

来确定不同字符串 dtype 比较时的结果 dtype。以下是一些示例：

• 当 pd.StringDtype("pyarrow", na_value=pd.NA) 与任何其他字符串 dtype 比较时，结果将始终为 boolean[pyarrow]。

• 当 pd.StringDtype("python", na_value=pd.NA) 与 pd.StringDtype("pyarrow", na_value=np.nan) 比较时，结果将为 boolean，即 NumPy 支持的可空扩展数组。

• 当 pd.StringDtype("python", na_value=pd.NA) 与 pd.StringDtype("python", na_value=np.nan) 比较时，结果将为 boolean，即 NumPy 支持的可空扩展数组。

API 变更

• 启用 future.infer_string 选项后，Index 的集合操作（如并集或交集）在确定结果 Index 的 dtype 时，将忽略空 RangeIndex 或具有 object dtype 的空 Index 的 dtype (GH 60797)

弃用

• 已弃用在 str.contains()、str.startswith() 和 str.endswith() 中允许 na 为非 bool 值，对于尚未禁止此类值的 dtype 而言 (GH 59615)

• 已弃用 StringDtype 的 "pyarrow_numpy" 存储选项 (GH 60152)

• 在 DataFrameGroupBy.apply() 中将参数 include_groups 设置为 True 的弃用已从 DeprecationWarning 提升为 FutureWarning；现在只允许 False (GH 7155)

错误修复

数值

• Series.mode() 和 DataFrame.mode() 在 dropna=False 情况下存在错误，即在存在 NA 值时并非所有 dtype 都能正确排序 (GH 60702)

• Series.round() 中存在一个错误，即当 dtype 为 object 时，总会引发 TypeError (GH 61206)

字符串

• DataFrameGroupBy.min()、DataFrameGroupBy.max()、Resampler.min() 和 Resampler.max() 中存在错误，即字符串 dtype 的所有 NA 值会返回 float 而不是字符串 dtype (GH 60810)

• DataFrame.sum() 中存在错误，当 axis=1 时；DataFrameGroupBy.sum() 或 SeriesGroupBy.sum() 中存在错误，当 skipna=True 时；以及 Resampler.sum() 中存在错误，即 StringDtype 的所有 NA 值结果为 0 而不是空字符串 "" (GH 60229)

• Series.__pos__() 和 DataFrame.__pos__() 中存在错误，即当 StringDtype 的 storage="pyarrow" 时未引发 Exception (GH 60710)

• Series.rank() 中存在错误，即当 StringDtype 的 storage="pyarrow" 时，使用 method="average" 会错误地返回整数结果，并且在截断结果时会引发错误 (GH 59768)

• Series.replace() 中存在错误，即当 StringDtype 替换为非字符串值时，未向上转换为 object dtype (GH 60282)

• Series.str.center() 中存在错误，即当 StringDtype 的 storage="pyarrow" 时，在填充字符为奇数的特殊情况下，其行为与 Python 不匹配 (GH 54792)

• Series.str.replace() 中存在错误，即当 StringDtype 的 storage="pyarrow" 且 n < 0 时 (GH 59628)

• Series.str.slice() 中存在错误，即当 ArrowDtype 和 StringDtype 的 storage="pyarrow" 且 step 为负值时，会产生不正确的结果 (GH 59710)

索引

• Index.get_indexer() 中存在错误，即在启用 infer_string 时，通过字符串 dtype 进行往返操作会出错 (GH 55834)

输入/输出

• DataFrame.to_excel() 中存在错误，即将小数存储为字符串而不是数字 (GH 49598)

其他

• 修复了当可选依赖项 pyarrow 或 jinja2 未安装时 inspect 的使用问题 (GH 60196)

贡献者

共有 24 人为本次发布贡献了补丁。名字旁带有“+”的人员是首次贡献补丁。

• ChiLin Chiu +

• Irv Lustig

• Isuru Fernando +

• Jake Thomas Trevallion +

• Joris Van den Bossche

• Kevin Amparado +

• LOCHAN PAUDEL +

• Lumberbot (aka Jack)

• Marc Mueller +

• Marco Edward Gorelli

• Matthew Roeschke

• Pandas Development Team

• Patrick Hoefler

• Richard Shadrach

• SALCAN +

• Sebastian Berg

• Simon Hawkins

• Thomas Li

• Will Ayd

• William Andrea

• William Ayd

• dependabot[bot]

• jbrockmendel

• tasfia8 +