pandas 3.0.3 正式版2026年5月11日发布，官方更新说明里列了一批修复项，覆盖时区、工作日日期范围、to_timedelta()、字符串数据类型、时间序列几个方向。从pandas 3.0.0开始，官方就默认用标准库的zoneinfo或者datetime.timezone表示时区，这次3.0.3又做了一致性对齐：所有底层走pyarrow的i/o方法，返回时区的逻辑全部统一，涉及的接口包括read_parquet()、read_feather()、read_orc()，还有指定了对应引擎的read_csv()。
来源：Pandas 官方发布说明
这个改动对依赖Parquet、Feather、ORC，或是用Arrow CSV引擎的数据链路来说影响很实际。之前同一个时间字段，走不同读取路径可能返回完全不同的时区对象，测试的时候经常莫名其妙出现类型不匹配、序列化结果对不上的问题。3.0.3相当于把这几个I/O接口的行为全部对齐到3.0系列的默认时区规则，能大幅降低同一个项目里「内存手动生成的时间数据」和「读文件出来的结果」不一致的概率。
更早的Pandas 3.0.2版本，也在3.0大版本上线后持续做增强和修复，官方更新说明里记录了不少回归问题修正和bug修复。把3.0.2和3.0.3的更新内容连起来看就能发现，3.0系列早期的重点根本不是堆新功能，而是围绕新默认字符串类型、Copy-on-Write、时区、时间序列和I/O行为，把之前没捋顺的边界逻辑补全。对长期稳定运行的数据任务来说，这类底层补丁的价值往往比表面上新出的API要高得多。
来源：Pandas 官方发布说明
实际升级的时候，建议大家重点做几部分回归校验：读文件后的时区对象类型、时间戳比对逻辑、分组聚合结果、日期范围生成，还有数据导出后再重新读入的全链路闭环结果。如果你的项目里同时混着pytz、zoneinfo和固定偏移量时区的写法，升级前一定要把不同来源的数据样本都覆盖测试到。官方没把3.0.3标注为破坏性新版本，但它调整的刚好是数据工程里最容易被忽略的时间一致性环节。
信源说明：本文依据Pandas 3.0.3与3.0.2官方发布说明撰写；涉及时区和I/O的实际行为，建议结合项目真实数据和官方最新文档验证。
