Pandas字符串处理报错：调用str.upper时PandasArray无_str_upper属性

问题复现 #

运行以下最简示例代码即可稳定复现错误：

import pandas as pd

names = ["first name", "second name", "third name"]
numbers = [1,2,3]
data = {
    "name": names,
    "number": numbers
}

df = pd.DataFrame(data)

print(df["name"].str.upper())

程序运行时抛出完整堆栈：

Traceback (most recent call last):
  File "C:/Python/Udemy/pandas/main.py", line 12, in <module>
    print(df["name"].str.upper())
  File "C:\Users\saxal\AppData\Local\r-miniconda\lib\site-packages\pandas\core\strings\accessor.py", line 101, in wrapper
    return func(self, *args, **kwargs)
  File "C:\Users\saxal\AppData\Local\r-miniconda\lib\site-packages\pandas\core\strings\accessor.py", line 2686, in upper
    result = self._array._str_upper()
AttributeError: 'PandasArray' object has no attribute '_str_upper'

已排查信息 #

• 已反复切换安装不同版本的numpy、pandas，本地问题始终未解决
• 完全相同的代码上传到repl.it等在线运行平台，可正常输出预期的大写字符串列结果
• 当前本地环境使用的依赖版本为：pandas 1.2.0、numpy 1.19.5
• 运行环境为r-miniconda预装的Python解释器

问题根因与解决方向 #

• 该报错属于pandas 1.2.0版本的已知兼容缺陷：内置字符串访问器在调用核心处理方法时，未将_str_upper等字符串操作方法正确绑定到PandasArray类对象上，尤其在r-miniconda这类预装了基础依赖的打包环境中，容易出现新旧版本pandas文件交叉覆盖、残留缓存的问题——就算反复执行安装命令切换版本，只要旧的源码残留在site-packages目录里，就会持续触发这个属性缺失的报错。
• 具体修复步骤：
  1. 先彻底卸载当前环境的pandas，执行命令：

     pip uninstall pandas -y
     

  2. 卸载完成后，手动打开Python对应的site-packages目录，确认删除所有残留的pandas相关文件夹，包括pandas源码目录、pandas-*.dist-info版本信息目录，避免旧文件干扰新安装的包。
  3. 安装和numpy 1.19.5兼容性最优的稳定pandas版本1.3.5，执行安装命令：

     pip install pandas==1.3.5
     

• 临时绕过方案（如果不想更换pandas版本）：
  不使用pandas自带的.str访问器，改用列表推导式直接对列内的原生字符串做大写转换，写法如下：

  # 替代 df["name"].str.upper()
  df["name"] = [item.upper() for item in df["name"]]
  print(df["name"])
  

内容的提问来源于stack exchange，提问作者Alexander Sax