apache-airflow[pandas]仅安装pandas>=0.17.1：www.example.com。对于上下文，这是最初添加它的PR：https://github.com/apache/airflow/blob/0d2555b318d0eb4ed5f2d410eccf20e26ad004ad/setup.py#L308-L310. For context, this was the PR that originally added it: https://github.com/apache/airflow/pull/17575 .
由于>=0.17.1的范围很广，我建议在requirements.txt中将Pandas限制为一个更具体的版本，这样可以让您更好地控制Pandas版本，而不是像Airflow那样限制为大量的Pandas版本。

我建议按照文档中的说明安装带有约束的气流：

pip install "apache-airflow[pandas]==2.5.1" --constraint "https://raw.githubusercontent.com/apache/airflow/constraints-2.5.1/constraints-3.7.txt"

这将保证稳定安装的气流没有冲突。2气流也更新约束时，释放是削减，因此当你升级气流，你会得到最新的可能版本，"同意"与所有其他气流依赖。
例如：
Airflow 2.5.1 with Python 3.7版本为：

pandas==1.3.5

Airflow 2.5.1 with Python 3.9版本为：

pandas==1.5.2

就个人而言，我不建议覆盖约束中的版本，因为这会带来生产环境不稳定/不一致的风险（除非您实现了自己的机制来生成约束）。如果您有一个特定的任务需要其他版本的库（Pandas或其他）那么我建议使用PythonVirtualenvOperator，DockerOperator或允许您为此任务设置特定库版本的任何其他替代方法。这也使DAG作者可以自由设置所需的任何库版本，而不依赖于共享相同Airflow示例和需要的其他团队同一个库的其他版本，或者甚至是同一个团队，但另一个项目需要不同的版本（请将其视为与在IDE中管理虚拟环境相同的方式）。
关于你提到的apache-airflow[pandas]的问题，注意这是额外的依赖，不是你提到的Airflow提供者，有它的原因是因为Airflow过去对Pandas有依赖（作为Airflow核心的一部分）然而，Pandas是沉重的图书馆，并不是每个人都需要它，因此将其移动到可选依赖项是有意义的。这样的话，只有那些需要在他们的气流环境中有Pandas的用户才会安装它。