Pandas 3.0 新特性速览

如果你是第一次学 Pandas，不需要深入了解 Pandas 3.0 的每一个细节。但有几个行为层面的变化值得你提前知道——它们会影响你写代码的方式。

变化一：Copy-on-Write 默认启用

这是 Pandas 3.0 最重要也最影响日常编码的变化。

它解决什么问题

以前 Pandas 有一个臭名昭著的警告叫 SettingWithCopyWarning——当你对 DataFrame 的一个"切片"做修改时，Pandas 不确定你是在改原数据还是改副本，于是给你发个警告。

Pandas 3.0 通过 Copy-on-Write（CoW）机制 彻底解决了这个问题。简单来说：

import pandas as pd

# 创建数据
df = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6]})

# 取出部分行
subset = df[df['a'] > 1]

# 修改 subset —— 只影响 subset，不会意外改动 df
subset['c'] = 99

print("原始 df:")
print(df)
print("\n修改后的 subset:")
print(subset)

输出：

原始 df:
   a  b
0  1  4
1  2  5
2  3 6

修改后的 subset:
   a  b   c
1  2  5  99
2  3  6  99

注意 df 完全没有被影响——这就是 CoW 的效果。

对你的影响

写法	3.0 下是否安全
df['new_col'] = value	✅ 安全
df.loc[条件, 'col'] = value	✅ 安全
subset = df[条件]; subset[x] = y	⚠️ 只修改 subset，不影响 df
链式索引 df['a'][mask] = x	❌ 会报错（本就是反模式）

变化二：字符串默认使用 PyArrow 后端

Pandas 3.0 中，字符串列默认使用 Apache Arrow 格式存储，而不是传统的 Python object 格式。这对 LLM 开发者来说是个好消息——内存占用大幅降低。

你不需要手动配置任何东西，它自动生效。如果你想确认当前后端类型：

import pandas as pd
df = pd.DataFrame({'text': ['hello', 'world', '你好世界']})
print(df.dtypes)

你会看到类似 string[pyarrow] 的类型名——这就说明已经在用 Arrow 后端了。

变化三：统一的缺失值表示

以前不同类型的列遇到空值时表现不一致：

• 整数列遇到 None → 自动变成浮点数（float64）
• 布尔列遇到 None → 变成 object 类型

Pandas 3.0 统一了这些行为——所有类型的列都能正确保留自己的类型，缺失值统一用 <NA> 表示。

import pandas as pd

df = pd.DataFrame({
    '整数': [1, None, 3],
    '小数': [1.5, None, 3.5],
    '文本': ['hello', None, 'world'],
})

print(df.dtypes)
print(df)

注意看：整数列仍然是整型（不会偷偷变 float），所有缺失值都显示为 <NA> 而非混乱的 NaN / None 混合。

总结：作为新手你只需要记住

1. CoW 让赋值操作更安全——不用担心意外修改原始数据
2. 字符串默认更省内存——不用额外配置
3. 缺失值处理更一致——不再有奇怪的隐式类型转换

这三个变化都是向好的方向改进，你只需要正常写代码就能享受它们的好处。