Pandas 2.0 版本移除了多个在 1.x 系列中标记为弃用的 API，升级时需重点检查 DataFrame.append()、DataFrame.applymap() 和 pd.to_datetime() 的参数设置。代码若依赖这些接口会直接报错，建议在 1.5 版本阶段先修复警告再升级。
先说结论：Pandas 2.0 是破坏性更新，主要清理了长期弃用的接口，直接升级旧代码大概率会报错。
- 先确认：检查代码中是否使用了 .append()、.applymap() 或 .ix 索引器。
- 先处理：将 .append() 替换为 pd.concat()，将 .applymap() 替换为 .map()。
- 再验证：在 1.5 版本开启 FutureWarning 警告，确保升级前无弃用提示。
命令速用版
以下是核心 API 的直接替换方案，复制后可直接修改现有代码：
# 1. 替换 df.append()
# 旧代码
df = df1.append(df2)
# 新代码 (Pandas 2.0+)
df = pd.concat([df1, df2], ignore_index=True)
# 2. 替换 df.applymap()
# 旧代码
df = df.applymap(lambda x: x * 2)
# 新代码 (Pandas 2.0+)
df = df.map(lambda x: x * 2)
# 3. 替换 pd.to_datetime() 参数
# 旧代码
pd.to_datetime(col, infer_datetime_format=True)
# 新代码 (Pandas 2.0+)
pd.to_datetime(col) # 直接移除参数为什么会这样
Pandas 团队为了提升性能和代码清晰度，主动移除了冗余或易混淆的接口。.append() 方法因性能较差且功能可由 pd.concat() 完全替代被移除；.applymap() 更名为 .map() 以统一 Series 和 DataFrame 的命名语义；infer_datetime_format 参数因新版日期解析引擎自动优化而变得多余。
这些变更是为了强制用户编写更明确、更高效的代码，避免旧接口带来的隐性性能损耗和语义歧义。
分步处理
按以下步骤操作可平滑过渡到 2.0 版本：
步骤 1：在 1.5 版本开启警告检查
在现有环境中运行代码，确保捕获所有 FutureWarning。若看到关于 append 或 applymap 的警告，立即修改。
步骤 2：批量替换弃用函数
使用文本编辑器的查找替换功能，定位 .append( 和 .applymap(。注意 pd.concat() 需要传入列表对象，且需显式设置 ignore_index 参数以保持索引连续。
步骤 3：检查日期解析逻辑
搜索 infer_datetime_format 关键字并删除。若日期格式复杂，建议显式指定 format 参数而非依赖自动推断。
步骤 4：验证 Excel 读取引擎
确认 read_excel() 未依赖已弃用的引擎，新版默认推荐 openpyxl，需确保环境已安装该依赖。
怎么验证是否生效
升级后运行单元测试或核心脚本，观察控制台输出。若出现 AttributeError: 'DataFrame' object has no attribute 'append' 或类似报错，说明仍有遗漏的弃用接口。
使用 pandas.__version__ 确认版本已更新为 2.0+。运行 df.info(memory_usage='deep') 检查内存占用，新 API 通常能避免不必要的对象类型转换，内存使用应更稳定。
常见坑
1. .ix 索引器混淆
.ix 早在 1.0 版本已移除，但旧代码库可能仍残留。若升级 2.0 时报 .ix 错误，需改用 .loc(标签) 或 .iloc(位置)。
2. inplace 参数行为变化
Pandas 2.x 标记 inplace=True 为弃用，推荐直接赋值。链式操作中若依赖 inplace 可能导致数据未更新。
3. 滚动窗口 skipna 参数
rolling().mean() 中的 skipna 参数在 1.5+ 已无效，继续使用该参数会触发警告且不影响计算结果，建议移除。
常见问题
升级后 df.append() 报错怎么办？
该方法已在 2.0 移除，必须改用 pd.concat([df1, df2])。注意 concat 默认保留原索引，需加 ignore_index=True 重置。
df.map() 和旧版 applymap() 有什么区别？
df.map() 仅支持元素级纯函数，自动跳过 NaN 值。若需处理 NaN 或复杂逻辑，需先在 lambda 内判断或使用 fillna 预处理。
inplace=True 还能继续用吗？
2.x 版本已标记弃用，未来版本可能移除。建议改为 df = df.drop(...) 形式，避免依赖副作用。
参考来源
- 为什么 Python 2.0 时代的 Pandas 代码在最新版失效_解析弃用 API 的更替
- Pandas 2.0 下 Python 如何替换 applymap_使用升级版 DataFrame.map 提升性能
- 从 1.x 到 2.x:Pandas 升级避坑指南与性能飞跃全解析
- Pandas 滚动窗口均值计算中 skipna 参数的弃用及其影响