
pandas 3 có gì mới: Copy-on-Write và kiểu chuỗi mới
AIDev TeamTham vấn chuyên môn: Nguyễn Việt Chung
Đăng 11 phút đọc
Mục lục · 16
pandas 3 đổi ba thứ mặc định: Copy-on-Write, kiểu chuỗi str thay cho object, và ngày giờ đọc theo micro giây. Bài chạy cùng một file code trên pandas 2.3.3 và 3.1.1 với 1,2 triệu đơn hàng Tiệm Mây, đo bộ nhớ, tốc độ đọc file, và ghi lại các dòng code cũ hỏng khi nâng cấp.
pandas 3 là bản lớn đầu tiên của pandas sau gần 3 năm, phát hành ngày 21/01/2026. Bản này đổi ba hành vi mặc định mà code nào cũng chạm tới: Copy-on-Write (sửa một bảng lấy ra không còn sửa ngầm bảng gốc), kiểu chuỗi str riêng thay cho object, và cột ngày giờ đọc từ chữ có đơn vị micro giây thay vì nano giây. Kèm theo là hàng loạt hàm đã báo "sắp bỏ" từ nhánh 2 nay bị gỡ hẳn, như applymap hay fillna(method=...).
Ngày 13/11/2026 mình chạy cùng một bộ code trên pandas 2.3.3 (bản cuối nhánh 2) và pandas 3.1.1 (bản mới nhất trên PyPI, phát hành 04/11/2026), trên máy CPU của AIDev Cloud, với dữ liệu đơn hàng của cửa hàng mô phỏng Tiệm Mây. Mấy điều cần nắm trước:
Cài thêm
pyarrowlà phần quan trọng nhất: trên pandas 3.1.1 có PyArrow, 8 cột chữ của bảng 1,2 triệu đơn hàng chiếm 158 MiB thay vì 588 MiB, vàread_csvmất 0,13 giây, so với 1,14 giây khi không có PyArrow và 2,36 giây trên pandas 2.3.3.Code cũ hỏng theo hai kiểu. Kiểu dễ thấy là báo lỗi (hàm đã bỏ). Kiểu khó thấy là chạy êm nhưng không sửa dữ liệu, như
inplace=Truetrên một cột.pandas 3.0 cần Python 3.11 trở lên.
Nếu đang ở pandas 2, nâng lên 2.3.3 trước và bật hai tùy chọn thử nghiệm để thấy cảnh báo, rồi mới lên bản 3.
pandas 3 thay đổi những gì so với pandas 2?
Bảng dưới gom các thay đổi mình gặp khi chạy thật, xếp theo mức ảnh hưởng tới code đang có. Nguồn đầy đủ là ghi chú phát hành 3.0.0 của pandas:
Thay đổi | pandas 2.3.3 | bản 3.1.1 | Ảnh hưởng |
|---|---|---|---|
Kiểu cột chữ |
|
| ít RAM hơn, nhanh hơn, không nhận số lẫn vào |
Sửa Series lấy ra từ DataFrame | sửa luôn bảng gốc | bảng gốc giữ nguyên (Copy-on-Write) | code dựa vào sửa ngầm cho kết quả khác |
| có tác dụng, kèm | không tác dụng, báo | dữ liệu không được sửa mà code vẫn chạy tiếp |
Đơn vị ngày đọc từ chữ |
|
|
|
| không có | có | viết biểu thức trong |
Hàm đã báo bỏ từ nhánh 2 | chạy, kèm | báo lỗi | phải sửa trước khi nâng cấp |
Dữ liệu dùng trong cả bài là bảng don_hang_sach.csv 6.000 đơn hàng trên AIDev Lab Khóa 2, bộ dữ liệu mô phỏng không chứa thông tin người thật.
Cài pandas bản mới thế nào cho đúng?
Mình tạo ba môi trường ảo trên cùng máy để so: pandas 2.3.3 có PyArrow, bản 3.1.1 có PyArrow, và bản 3.1.1 không có PyArrow.
python3 -m venv ~/p3 && ~/p3/bin/pip install pandas==3.1.1 pyarrow
python3 -m venv ~/p3n && ~/p3n/bin/pip install pandas==3.1.1
python3 -m venv ~/p2 && ~/p2/bin/pip install pandas==2.3.3 pyarrow
Bản không có PyArrow cài xong trong 17 giây, bản có PyArrow mất 2 phút 17 giây. Mình cài nhiều môi trường cùng lúc nên con số này chỉ để tham khảo, nhưng gói pyarrow 26.0.1 đúng là nặng hơn pandas nhiều. Khoản thời gian đó đáng bỏ ra, phần đo tốc độ ở dưới cho thấy lý do. Muốn cài pandas cho người mới từ đầu, kể cả trên Windows, xem bài tải và cài pandas.
Copy-on-Write trong pandas 3 là gì?
Copy-on-Write (chép khi ghi) nghĩa là mọi thứ bạn lấy ra từ một DataFrame (một cột, một lát cắt) cư xử như một bản sao riêng. Bạn sửa nó thì chỉ nó thay đổi, bảng gốc giữ nguyên. pandas chỉ thật sự chép dữ liệu vào lúc bạn ghi, nên đọc vẫn nhanh như trước.
File moi.py dưới đây thử bốn chỗ hay gặp. Mình chạy nó trên cả hai bản:
import warnings
import pandas as pd
print("pandas", pd.__version__)
URL = "https://lab.aidev.edu.vn/k2/du-lieu/"
df = pd.read_csv(URL + "don_hang_sach.csv", parse_dates=["ngay_dat"])
print("dtype kenh:", df["kenh"].dtype, "| ngay_dat:", df["ngay_dat"].dtype)
print("ngay_dat[0] astype int64:", df["ngay_dat"].astype("int64").iloc[0])
s = df["doanh_thu"]
s.iloc[0] = 0
print("df doanh_thu[0] sau khi sửa s:", df["doanh_thu"].iloc[0])
with warnings.catch_warnings(record=True) as w:
warnings.simplefilter("always")
df["ma_giam_gia"].replace("KHONG", "", inplace=True)
print("cảnh báo:", [x.category.__name__ for x in w] or "không có")
print("còn 'KHONG' trong ma_giam_gia:", int((df["ma_giam_gia"] == "KHONG").sum()))
k = df["kenh"].head(3).copy()
try:
k.iloc[0] = 1
print("gán được, dtype:", k.dtype, list(k))
except TypeError as e:
print("TypeError:", str(e).splitlines()[0])
Đoạn trên là phần chính của moi.py. File mình chạy có thêm phần gán nối chuỗi và pd.col, nên ảnh dưới in nhiều dòng hơn. Kết quả trên bản 3.1.1:

Cùng file trên pandas 2.3.3:

Hai ảnh khác nhau ở bốn chỗ:
Sửa
skhông còn sửadf. Ở pandas 2.3.3, giá trị đầu củadf["doanh_thu"]thành 0 sau khi sửas. Ở bản 3.1.1, nó vẫn là 619000.inplace=Truetrên một cột không còn tác dụng, và đây là thay đổi mình thấy nguy hiểm nhất. Bản 2.3.3 xóa hết chữKHONG(còn 0 dòng) và chỉ cảnh báoFutureWarning. Bản 3.1.1 báoChainedAssignmentErrorrồi chạy tiếp, 4.162 dòngKHONGvẫn nằm nguyên. Nếu log của bạn tắt cảnh báo, bạn sẽ không biết dữ liệu chưa được làm sạch.Cột chữ không nhận số. Bản 2 cho gán số 1 vào cột kênh bán, ra cột trộn số với chữ. Bản 3 chặn lại bằng
TypeError: Invalid value '1' for dtype 'str'.Số nguyên của ngày nhỏ đi 1.000 lần. Cùng ngày 01/01/2025,
astype("int64")ra 1735689600000000000 ở bản 2 (nano giây) và 1735689600000000 ở bản 3 (micro giây). Code nào tự chia cho10**9để ra giây sẽ ra kết quả sai mà không báo lỗi.
Cách viết đúng cho cả hai bản là gán thẳng: df["ma_giam_gia"] = df["ma_giam_gia"].replace("KHONG", ""), và sửa dữ liệu bằng một lệnh df.loc[dieu_kien, "cot"] = gia_tri. Tài liệu Copy-on-Write của pandas có danh sách đầy đủ các mẫu code cần đổi.
Kiểu chuỗi str mới nhanh hơn bao nhiêu?
Để thấy khác biệt, mình nhân bảng 6.000 đơn hàng lên 200 lần thành 1,2 triệu dòng, ghi ra CSV, rồi đo cùng các thao tác trên ba môi trường. Mỗi phép đo chạy 3 lần, lấy lần nhanh nhất:
df = pd.concat([goc] * 200, ignore_index=True)
df.to_csv("/tmp/don_1tr2.csv", index=False)
chu = ["ma_don", "cap_nhat_luc", "ma_kh", "ma_sp", "danh_muc", "kenh", "trang_thai", "ma_giam_gia"]
print(f"bộ nhớ 8 cột chữ: {df[chu].memory_usage(deep=True).sum() / 2**20:.0f} MiB")
print(f"read_csv 1,2 triệu dòng: {do(lambda: pd.read_csv('/tmp/don_1tr2.csv')):.2f} s")
print(f"str.upper(): {do(lambda: df['kenh'].str.upper()):.3f} s")
Đây là đoạn trích của file bo_nho.py. File đầy đủ có thêm hàm do chạy mỗi phép 3 lần và các phép đo còn lại.

Ảnh trên chỉ là bản có PyArrow. Bảng dưới gom số đo của cả ba môi trường:
Thao tác trên 1,2 triệu dòng | pandas 2.3.3 | bản 3.1.1, không PyArrow | bản 3.1.1 + PyArrow |
|---|---|---|---|
Bộ nhớ 8 cột chữ | 588 MiB | 588 MiB | 158 MiB |
| 2,36 s | 1,14 s | 0,13 s |
| 0,306 s | 0,294 s | 0,114 s |
| 0,234 s | 0,268 s | 0,021 s |
| 0,279 s | 0,067 s | 0,009 s |
| 0,060 s | 0,116 s | 0,042 s |

Con số 0,13 giây làm mình nghi, nên mình chạy lại read_csv thêm 5 lần trên mỗi môi trường và in cả shape. Bản có PyArrow lần nào cũng 0,12 đến 0,15 giây, đọc đủ 1.200.000 dòng 13 cột, đếm theo kênh khớp từng con số với bản 2.3.3. Không có PyArrow, kiểu str vẫn hiện tên str nhưng lưu bằng đối tượng Python như cũ, nên bộ nhớ không giảm và nhiều phép xử lý chữ không nhanh hơn. Vì vậy với pandas 3, mình luôn cài kèm pyarrow.
Một lưu ý về phạm vi: số đo trên là một bảng đơn hàng có nhiều cột mã ngắn, lặp lại nhiều. Dữ liệu chữ dài như bình luận khách hàng có thể chênh khác, mình chưa đo.
Những hàm cũ nào bị bỏ ở bản 3?
Mình gom 7 dòng code cũ hay gặp trên mạng vào file api_cu.py, chạy từng dòng trong try và ghi lại kết quả. Trên pandas 2.3.3, 6 dòng đầu vẫn chạy và chỉ in FutureWarning:

Trên bản 3.1.1, cả 6 dòng đó đều thành lỗi:

Code cũ | Thay bằng |
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
Dòng thứ 7, groupby("kenh").sum() trên cả bảng, lỗi ở cả hai bản vì có cột ngày không cộng được. Cách quen thuộc là chọn cột số trước: df.groupby("kenh")["doanh_thu"].sum(). Bài các hàm pandas dùng hằng ngày có thêm ví dụ map, apply chạy trên pandas 3 và đo apply chậm hơn cách vector hóa bao nhiêu.
Nâng cấp từ pandas 2 lên bản 3 theo thứ tự nào?
Tài liệu pandas khuyên đi qua bản 2.3 trước, vì bản này có sẵn cách bật thử hành vi mới. Mình làm theo đúng ba bước:
Nâng lên pandas 2.3.3, chạy toàn bộ code và test, sửa hết
FutureWarningnhư các dòng ở bảng trên.Bật hai tùy chọn ở đầu chương trình để pandas 2.3.3 cư xử gần giống bản 3 và in cảnh báo ở những chỗ sẽ đổi:
pd.options.mode.copy_on_write = "warn"
pd.options.future.infer_string = True
Khi không còn cảnh báo, cài bản 3 kèm
pyarrowvà chạy lại test.

Với hai tùy chọn đó, bản 2.3.3 đã đọc cột kênh thành kiểu str và báo đúng dòng s.iloc[0] = 0 sẽ đổi hành vi. Hướng dẫn chuyển sang kiểu chuỗi mới của pandas liệt kê các chỗ khác cần để ý, như so sánh dtype == object.
Lỗi hay gặp khi chạy code cũ trên bản mới
Lỗi 1: sửa dữ liệu bằng inplace=True trên một cột. Dòng df["ma_giam_gia"].replace("KHONG", "", inplace=True) chỉ phát cảnh báo rồi chạy tiếp. Phần in ra từ moi.py trên bản 3.1.1:
cảnh báo: ['ChainedAssignmentError']
còn 'KHONG' trong ma_giam_gia: 4162
Sửa bằng phép gán: df["ma_giam_gia"] = df["ma_giam_gia"].replace("KHONG", ""). Mình rà code cũ bằng cách tìm chữ inplace=True trong cả dự án, vì lỗi này không làm chương trình dừng.
Lỗi 2: gán số vào cột chữ. Code cũ hay đánh dấu dòng lỗi bằng cách gán 0 hay -1 vào cột chữ. Ở pandas 3, cột kiểu str từ chối:
TypeError: Invalid value '1' for dtype 'str'. Value should be a string or missing value, got 'int' instead.
Gán chuỗi ("1") hoặc ô trống (pd.NA), hoặc đổi cột sang object bằng astype(object) nếu bạn thật sự cần trộn kiểu.
Lỗi 3: bí danh tần suất cũ. resample("M") báo ValueError: Invalid frequency: M ... Please use 'ME' instead. Đổi theo bảng ở mục trên là xong.
Khi nào chưa nên nâng cấp?
Mình chưa nâng cấp ngay trong mấy trường hợp này:
Dự án đang chạy trên Python 3.10 trở xuống. pandas 3.0 chỉ hỗ trợ Python 3.11 trở lên, nên phải nâng Python trước.
Một thư viện bạn dùng ghim
pandas<3trong yêu cầu cài đặt. Cài ép bản 3 vào sẽ làm thư viện đó hỏng theo cách khó đoán.Code có nhiều chỗ
inplace=True, gán nối chuỗi hay tự đổi ngày sang số nguyên mà chưa có test. Ở những chỗ này, bản 3 chạy êm nhưng ra số khác, nên cần test trước khi đổi.
Với dự án mới hay bài học mới, mình dùng bản 3 kèm PyArrow ngay từ đầu.
Câu hỏi thường gặp
pandas 3 ra mắt khi nào, bản mới nhất là bản nào?
pandas 3.0.0 phát hành ngày 21/01/2026. Tới ngày 13/11/2026, bản mới nhất trên PyPI là 3.1.1, phát hành ngày 04/11/2026. Kiểm tra bản đang dùng bằng pd.__version__.
pandas 3 có bắt buộc cài PyArrow không?
Không bắt buộc. Thiếu PyArrow, kiểu str vẫn chạy nhưng lưu như object cũ, nên trong phép đo của bài bộ nhớ cột chữ vẫn là 588 MiB và read_csv chậm hơn gần 9 lần so với khi có PyArrow.
Code viết cho pandas 2 có chạy trên pandas 3 không?
Phần lớn chạy được nếu code đã sạch FutureWarning ở bản 2.3. Chỗ cần sửa là các hàm đã bỏ, inplace=True trên một cột, gán nối chuỗi, và code dựa vào việc sửa một cột lấy ra sẽ sửa luôn bảng gốc.
Có nên học pandas 2 hay học thẳng pandas 3?
Học thẳng bản 3. Cách viết đúng ở bản 3 (gán thẳng, .loc một bước, ME thay M) cũng chạy đúng ở bản 2.3, nên bạn không mất gì. Nếu mới bắt đầu, đọc bài pandas là gì trước.
Đọc tiếp
pandas là gì: DataFrame, Series và các lệnh đầu tiên trên cùng dữ liệu Tiệm Mây.
Làm sạch dữ liệu bằng pandas: ô trống, dòng trùng, chuẩn hóa chữ, viết theo cách chạy đúng trên bản 3.
Đọc và ghi CSV, Excel bằng pandas: các tham số
read_csvhay cần khi đọc file thật.
Ebook Phân tích dữ liệu với Python viết cho pandas 3 ngay từ đầu, các chương dạy lệnh đều có hộp "Code cũ trên mạng" chỉ ra dòng nào đã đổi và bài tập tự chấm trên dữ liệu Tiệm Mây. Muốn học có lộ trình và project được chấm, xem khóa Phân tích dữ liệu với Python.
Code chạy ngày 13/11/2026 trên máy CPU Starter của AIDev Cloud (Intel Xeon E5-2680 v4, 8 vCPU, 16 GB RAM, Ubuntu 24.04.4, Python 3.12.3, bản 3.1.1 và pandas 2.3.3, NumPy 2.5.4, pyarrow 26.0.1). Dữ liệu Tiệm Mây là dữ liệu mô phỏng.
Chuyên mục
Phân tích dữ liệuTham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.


