Pandas est une librairie pour Python très utilisée au sein de la communauté des data scientists pour sa vaste gamme de fonctionnalités et sa polyvalence pour la manipulation et l'analyse de données. La version 2.0, sortie au printemps 2023, marque une étape majeure de la maturité de l'outil.

Le changement le plus visible est l'intégration native d'Apache Arrow comme back-end alternatif à NumPy. PyArrow ouvre la voie à des dtypes plus expressifs (strings nullable, timestamps avec timezone…) et à des gains de performance significatifs sur les opérations colonne par colonne.

Les types nullable (Int64, Float64, String) ne sont plus expérimentaux. C'en est fini des conversions silencieuses en float dès qu'une valeur manquante apparaît dans une colonne d'entiers. Pour beaucoup de pipelines, c'est un soulagement immédiat — fini les bugs subtils liés au cast implicite.

Côté performance, les opérations groupby/agg s'appuient désormais sur Arrow lorsque c'est possible. Sur des datasets de plusieurs millions de lignes, on observe des accélérations 2× à 5× sur les workloads classiques.

À vérifier dans vos projets : la compatibilité avec le code existant. La 2.0 reste rétro-compatible mais des deprecation warnings apparaissent sur certaines API. C'est le bon moment pour mettre à jour vos pipelines avant le passage à la 3.0.