版本 0.10.0 (2012年12月17日)#
这是从0.9.1版本以来的一个重大发布，包括许多新功能和增强功能，以及大量错误修复。还有一些重要的API变化，长期使用pandas的用户应密切关注。
文件解析新功能#
分隔文件解析引擎（read_csv 和 read_table 的核心）已经从头开始重写，现在在解析时使用的内存量减少了，同时在大多数使用情况下速度提高了40%或更多（在某些情况下速度更快）。
这里也有许多新功能：
通过
encoding选项显著改善的 Unicode 处理。列过滤 (
usecols)数据类型规范 (
dtype参数)能够指定被识别为 True/False 的字符串
能够生成 NumPy 记录数组（
as_recarray）高性能
delim_whitespace选项十进制格式（例如欧洲格式）规范
更简单的 CSV 方言选项：
escapechar、lineterminator、quotechar等。更强大的处理许多在野外观察到的异常类型文件
API 变化#
已弃用的 DataFrame BINOP TimeSeries 特殊情况行为
DataFrame 和 Series 之间的二元操作的默认行为一直是将它们在 DataFrame 的列上对齐并在行上广播，**除了**在 DataFrame 包含时间序列的特殊情况下。由于现在每个二元操作符都有一个方法允许你指定你想要的广播方式，我们正在逐步淘汰这个特殊情况（Python 之禅：特殊情况不足以打破规则）。这就是我所说的：
In [1]: import pandas as pd
In [2]: df = pd.DataFrame(np.random.randn(6, 4), index=pd.date_range("1/1/2000", periods=6))
In [3]: df
Out[3]:
0 1 2 3
2000-01-01 0.469112 -0.282863 -1.509059 -1.135632
2000-01-02 1.212112 -0.173215 0.119209 -1.044236
2000-01-03 -0.861849 -2.104569 -0.494929 1.071804
2000-01-04 0.721555 -0.706771 -1.039575 0.271860
2000-01-05 -0.424972 0.567020 0.276232 -1.087401
2000-01-06 -0.673690 0.113648 -1.478427 0.524988
# deprecated now
In [4]: df - df[0]
Out[4]:
0 1 2 3 2000-01-01 00:00:00 2000-01-02 00:00:00 2000-01-03 00:00:00 2000-01-04 00:00:00 2000-01-05 00:00:00 2000-01-06 00:00:00
2000-01-01 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2000-01-02 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2000-01-03 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2000-01-04 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2000-01-05 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2000-01-06 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
# Change your code to
In [5]: df.sub(df[0], axis=0) # align on axis 0 (rows)
Out[5]:
0 1 2 3
2000-01-01 0.0 -0.751976 -1.978171 -1.604745
2000-01-02 0.0 -1.385327 -1.092903 -2.256348
2000-01-03 0.0 -1.242720 0.366920 1.933653
2000-01-04 0.0 -1.428326 -1.761130 -0.449695
2000-01-05 0.0 0.991993 0.701204 -0.662428
2000-01-06 0.0 0.787338 -0.804737 1.198677
在 0.10.x 系列中，您将收到一个弃用警告，并且弃用的功能将在 0.11 或更高版本中移除。
更改的重新采样默认行为
默认的时间序列 resample 分箱行为，对于每日 D 和 更高 频率，已更改为 closed='left', label='left'。较低频率不受影响。之前的默认设置给用户带来了很大的困惑，尤其是在将数据重采样到每日频率时（它将聚合组标记为间隔的结束：第二天）。
In [1]: dates = pd.date_range('1/1/2000', '1/5/2000', freq='4h')
In [2]: series = pd.Series(np.arange(len(dates)), index=dates)
In [3]: series
Out[3]:
2000-01-01 00:00:00 0
2000-01-01 04:00:00 1
2000-01-01 08:00:00 2
2000-01-01 12:00:00 3
2000-01-01 16:00:00 4
2000-01-01 20:00:00 5
2000-01-02 00:00:00 6
2000-01-02 04:00:00 7
2000-01-02 08:00:00 8
2000-01-02 12:00:00 9
2000-01-02 16:00:00 10
2000-01-02 20:00:00 11
2000-01-03 00:00:00 12
2000-01-03 04:00:00 13
2000-01-03 08:00:00 14
2000-01-03 12:00:00 15
2000-01-03 16:00:00 16
2000-01-03 20:00:00 17
2000-01-04 00:00:00 18
2000-01-04 04:00:00 19
2000-01-04 08:00:00 20
2000-01-04 12:00:00 21
2000-01-04 16:00:00 22
2000-01-04 20:00:00 23
2000-01-05 00:00:00 24
Freq: 4H, dtype: int64
In [4]: series.resample('D', how='sum')
Out[4]:
2000-01-01 15
2000-01-02 51
2000-01-03 87
2000-01-04 123
2000-01-05 24
Freq: D, dtype: int64
In [5]: # old behavior
In [6]: series.resample('D', how='sum', closed='right', label='right')
Out[6]:
2000-01-01 0
2000-01-02 21
2000-01-03 57
2000-01-04 93
2000-01-05 129
Freq: D, dtype: int64
无穷大和负无穷大不再被
isnull和notnull视为 NA。它们曾经被视为 NA 是早期 pandas 的遗留问题。这种行为可以通过mode.use_inf_as_null选项全局重新启用：
In [6]: s = pd.Series([1.5, np.inf, 3.4, -np.inf])
In [7]: pd.isnull(s)
Out[7]:
0 False
1 False
2 False
3 False
Length: 4, dtype: bool
In [8]: s.fillna(0)
Out[8]:
0 1.500000
1 inf
2 3.400000
3 -inf
Length: 4, dtype: float64
In [9]: pd.set_option('use_inf_as_null', True)
In [10]: pd.isnull(s)
Out[10]:
0 False
1 True
2 False
3 True
Length: 4, dtype: bool
In [11]: s.fillna(0)
Out[11]:
0 1.5
1 0.0
2 3.4
3 0.0
Length: 4, dtype: float64
In [12]: pd.reset_option('use_inf_as_null')
带有
inplace选项的方法现在都返回None而不是调用对象。例如，像df = df.fillna(0, inplace=True)这样的代码可能会停止工作。要修复，只需删除不必要的变量赋值。pandas.merge不再默认对组键进行排序 (sort=False)。这是出于性能原因：组键排序通常是计算中较昂贵的部分之一，而且往往是不必要的。没有标题的文件的默认列名已更改为整数
0到N - 1。这是为了与未指定列的 DataFrame 构造函数保持一致。v0.9.0 的行为（名称X0,X1, …）可以通过指定prefix='X'来重现：
In [6]: import io
In [7]: data = """
...: a,b,c
...: 1,Yes,2
...: 3,No,4
...: """
...:
In [8]: print(data)
a,b,c
1,Yes,2
3,No,4
In [9]: pd.read_csv(io.StringIO(data), header=None)
Out[9]:
0 1 2
0 a b c
1 1 Yes 2
2 3 No 4
In [10]: pd.read_csv(io.StringIO(data), header=None, prefix="X")
Out[10]:
X0 X1 X2
0 a b c
1 1 Yes 2
2 3 No 4
像
'Yes'和'No'这样的值默认不会被解释为布尔值，尽管这可以通过新的true_values和false_values参数来控制：
In [4]: print(data)
a,b,c
1,Yes,2
3,No,4
In [5]: pd.read_csv(io.StringIO(data))
Out[5]:
a b c
0 1 Yes 2
1 3 No 4
In [6]: pd.read_csv(io.StringIO(data), true_values=["Yes"], false_values=["No"])
Out[6]:
a b c
0 1 True 2
1 3 False 4
文件解析器不会识别在
na_values参数中传递的转换器函数产生的非字符串值作为 NA。最好使用replace函数进行后处理。在没有参数的情况下对 Series 或 DataFrame 调用
fillna不再有效。你必须指定一个填充值或插值方法：
In [6]: s = pd.Series([np.nan, 1.0, 2.0, np.nan, 4])
In [7]: s
Out[7]:
0 NaN
1 1.0
2 2.0
3 NaN
4 4.0
dtype: float64
In [8]: s.fillna(0)
Out[8]:
0 0.0
1 1.0
2 2.0
3 0.0
4 4.0
dtype: float64
In [9]: s.fillna(method="pad")
Out[9]:
0 NaN
1 1.0
2 2.0
3 2.0
4 4.0
dtype: float64
便捷方法 ffill 和 bfill 已添加：
In [6]: s = pd.Series([np.nan, 1.0, 2.0, np.nan, 4])
In [7]: s.ffill()
Out[7]:
0 NaN
1 1.0
2 2.0
3 2.0
4 4.0
dtype: float64
Series.apply现在将在应用函数返回的值本身是一个系列时进行操作，并可能将结果向上转换为 DataFrame。In [8]: def f(x): ...: return pd.Series([x, x ** 2], index=["x", "x^2"]) ...: In [9]: s = pd.Series(np.random.rand(5)) In [10]: s Out[10]: 0 0.340445 1 0.984729 2 0.919540 3 0.037772 4 0.861549 dtype: float64 In [11]: s.apply(f) Out[11]: x x^2 0 0.340445 0.115903 1 0.984729 0.969691 2 0.919540 0.845555 3 0.037772 0.001427 4 0.861549 0.742267
用于处理 pandas 选项的新 API 函数 (GH 2097):
get_option/set_option- 获取/设置选项的值。接受部分名称。 -reset_option- 将一个或多个选项重置为其默认值。接受部分名称。 -describe_option- 打印一个或多个选项的描述。当不带参数调用时，打印所有已注册的选项。
注意：
set_printoptions/reset_printoptions现在已被弃用（但仍可使用），打印选项现在位于“display.XYZ”下。例如：In [12]: pd.get_option("display.max_rows") Out[12]: 15
to_string() 方法现在总是返回 Unicode 字符串 (GH 2224)。
新功能#
宽DataFrame打印#
pandas 现在默认将字符串表示拆分为多行，而不是打印摘要信息：
In [13]: wide_frame = pd.DataFrame(np.random.randn(5, 16))
In [14]: wide_frame
Out[14]:
0 1 2 3 4 5 6 ... 9 10 11 12 13 14 15
0 -0.548702 1.467327 -1.015962 -0.483075 1.637550 -1.217659 -0.291519 ... 0.991460 -0.919069 0.266046 -0.709661 1.669052 1.037882 -1.705775
1 -0.919854 -0.042379 1.247642 -0.009920 0.290213 0.495767 0.362949 ... -0.089329 0.337863 -0.945867 -0.932132 1.956030 0.017587 -0.016692
2 -0.575247 0.254161 -1.143704 0.215897 1.193555 -0.077118 -0.408530 ... 1.511763 1.627081 -0.990582 -0.441652 1.211526 0.268520 0.024580
3 -1.577585 0.396823 -0.105381 -0.532532 1.453749 1.208843 -0.080952 ... -0.589346 0.339969 -0.693205 -0.339355 0.593616 0.884345 1.591431
4 0.141809 0.220390 0.435589 0.192451 -0.096701 0.803351 1.715071 ... -1.814470 1.018601 -0.595447 1.395433 -0.392670 0.007207 1.928123
[5 rows x 16 columns]
通过 ‘expand_frame_repr’ 打印选项可以实现打印摘要信息的老行为：
In [15]: pd.set_option("expand_frame_repr", False)
In [16]: wide_frame
Out[16]:
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0 -0.548702 1.467327 -1.015962 -0.483075 1.637550 -1.217659 -0.291519 -1.745505 -0.263952 0.991460 -0.919069 0.266046 -0.709661 1.669052 1.037882 -1.705775
1 -0.919854 -0.042379 1.247642 -0.009920 0.290213 0.495767 0.362949 1.548106 -1.131345 -0.089329 0.337863 -0.945867 -0.932132 1.956030 0.017587 -0.016692
2 -0.575247 0.254161 -1.143704 0.215897 1.193555 -0.077118 -0.408530 -0.862495 1.346061 1.511763 1.627081 -0.990582 -0.441652 1.211526 0.268520 0.024580
3 -1.577585 0.396823 -0.105381 -0.532532 1.453749 1.208843 -0.080952 -0.264610 -0.727965 -0.589346 0.339969 -0.693205 -0.339355 0.593616 0.884345 1.591431
4 0.141809 0.220390 0.435589 0.192451 -0.096701 0.803351 1.715071 -0.708758 -1.202872 -1.814470 1.018601 -0.595447 1.395433 -0.392670 0.007207 1.928123
每行的宽度可以通过 ‘line_width’ 进行更改（默认值为80）：
pd.set_option("line_width", 40)
wide_frame
更新的 PyTables 支持#
文档 为 PyTables Table 格式和 API 的几个增强功能。以下是您可以期待的内容。
In [41]: store = pd.HDFStore('store.h5')
In [42]: df = pd.DataFrame(np.random.randn(8, 3),
....: index=pd.date_range('1/1/2000', periods=8),
....: columns=['A', 'B', 'C'])
In [43]: df
Out[43]:
A B C
2000-01-01 -2.036047 0.000830 -0.955697
2000-01-02 -0.898872 -0.725411 0.059904
2000-01-03 -0.449644 1.082900 -1.221265
2000-01-04 0.361078 1.330704 0.855932
2000-01-05 -1.216718 1.488887 0.018993
2000-01-06 -0.877046 0.045976 0.437274
2000-01-07 -0.567182 -0.888657 -0.556383
2000-01-08 0.655457 1.117949 -2.782376
[8 rows x 3 columns]
# appending data frames
In [44]: df1 = df[0:4]
In [45]: df2 = df[4:]
In [46]: store.append('df', df1)
In [47]: store.append('df', df2)
In [48]: store
Out[48]:
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/df frame_table (typ->appendable,nrows->8,ncols->3,indexers->[index])
# selecting the entire store
In [49]: store.select('df')
Out[49]:
A B C
2000-01-01 -2.036047 0.000830 -0.955697
2000-01-02 -0.898872 -0.725411 0.059904
2000-01-03 -0.449644 1.082900 -1.221265
2000-01-04 0.361078 1.330704 0.855932
2000-01-05 -1.216718 1.488887 0.018993
2000-01-06 -0.877046 0.045976 0.437274
2000-01-07 -0.567182 -0.888657 -0.556383
2000-01-08 0.655457 1.117949 -2.782376
[8 rows x 3 columns]
In [50]: wp = pd.Panel(np.random.randn(2, 5, 4), items=['Item1', 'Item2'],
....: major_axis=pd.date_range('1/1/2000', periods=5),
....: minor_axis=['A', 'B', 'C', 'D'])
In [51]: wp
Out[51]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 5 (major_axis) x 4 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2000-01-01 00:00:00 to 2000-01-05 00:00:00
Minor_axis axis: A to D
# storing a panel
In [52]: store.append('wp', wp)
# selecting via A QUERY
In [53]: store.select('wp', [pd.Term('major_axis>20000102'),
....: pd.Term('minor_axis', '=', ['A', 'B'])])
....:
Out[53]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 3 (major_axis) x 2 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2000-01-03 00:00:00 to 2000-01-05 00:00:00
Minor_axis axis: A to B
# removing data from tables
In [54]: store.remove('wp', pd.Term('major_axis>20000103'))
Out[54]: 8
In [55]: store.select('wp')
Out[55]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 3 (major_axis) x 4 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2000-01-01 00:00:00 to 2000-01-03 00:00:00
Minor_axis axis: A to D
# deleting a store
In [56]: del store['df']
In [57]: store
Out[57]:
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/wp wide_table (typ->appendable,nrows->12,ncols->2,indexers->[major_axis,minor_axis])
增强功能
增加了对层次键的支持
In [58]: store.put('foo/bar/bah', df) In [59]: store.append('food/orange', df) In [60]: store.append('food/apple', df) In [61]: store Out[61]: <class 'pandas.io.pytables.HDFStore'> File path: store.h5 /foo/bar/bah frame (shape->[8,3]) /food/apple frame_table (typ->appendable,nrows->8,ncols->3,indexers->[index]) /food/orange frame_table (typ->appendable,nrows->8,ncols->3,indexers->[index]) /wp wide_table (typ->appendable,nrows->12,ncols->2,indexers->[major_axis,minor_axis]) # remove all nodes under this level In [62]: store.remove('food') In [63]: store Out[63]: <class 'pandas.io.pytables.HDFStore'> File path: store.h5 /foo/bar/bah frame (shape->[8,3]) /wp wide_table (typ->appendable,nrows->12,ncols->2,indexers->[major_axis,minor_axis])
增加了混合数据类型支持！
In [64]: df['string'] = 'string' In [65]: df['int'] = 1 In [66]: store.append('df', df) In [67]: df1 = store.select('df') In [68]: df1 Out[68]: A B C string int 2000-01-01 -2.036047 0.000830 -0.955697 string 1 2000-01-02 -0.898872 -0.725411 0.059904 string 1 2000-01-03 -0.449644 1.082900 -1.221265 string 1 2000-01-04 0.361078 1.330704 0.855932 string 1 2000-01-05 -1.216718 1.488887 0.018993 string 1 2000-01-06 -0.877046 0.045976 0.437274 string 1 2000-01-07 -0.567182 -0.888657 -0.556383 string 1 2000-01-08 0.655457 1.117949 -2.782376 string 1 [8 rows x 5 columns] In [69]: df1.get_dtype_counts() Out[69]: float64 3 int64 1 object 1 dtype: int64
表写入的性能改进
对任意索引维度的支持
SparseSeries现在有一个density属性 (GH 2384)启用
Series.str.strip/lstrip/rstrip方法以接受输入参数来去除任意字符 (GH 2411)在
melt中实现value_vars以将值限制为某些列，并将melt添加到 pandas 命名空间 (GH 2412)
错误修复
添加了
Term方法来指定条件 (GH 1996)。del store['df']现在调用store.remove('df')进行存储删除连续行的删除比以前快得多
min_itemsize参数可以在创建表时指定，以强制索引列的最小大小（之前的实现会根据第一次追加设置列大小）通过
create_table_index的索引支持（需要 PyTables >= 2.3）(GH 698)。如果在通过
put创建表之前尝试在存储上追加内容，将会失败。修复了加载pickled数据帧后丢失属性的问题 (GH2431)
选择并删除的微小更改：仅当提供了 where 时（且不为 None）才需要表
兼容性
0.10 版本的 HDFStore 对于读取在先前版本的 pandas 中创建的表格是向后兼容的，然而，使用先前（未记录的）方法的查询条件是不支持的。你必须读取整个文件并使用新格式写出来以利用更新。
N 维面板（实验性）#
添加对 Panel4D 和工厂函数的实验性支持，以创建 n 维命名面板。以下是您可以期待的内容。
In [58]: p4d = Panel4D(np.random.randn(2, 2, 5, 4),
....: labels=['Label1','Label2'],
....: items=['Item1', 'Item2'],
....: major_axis=date_range('1/1/2000', periods=5),
....: minor_axis=['A', 'B', 'C', 'D'])
....:
In [59]: p4d
Out[59]:
<class 'pandas.core.panelnd.Panel4D'>
Dimensions: 2 (labels) x 2 (items) x 5 (major_axis) x 4 (minor_axis)
Labels axis: Label1 to Label2
Items axis: Item1 to Item2
Major_axis axis: 2000-01-01 00:00:00 to 2000-01-05 00:00:00
Minor_axis axis: A to D
请参阅 完整发布说明 或在 GitHub 上的问题跟踪器以获取完整列表。
贡献者#
共有26人为此版本贡献了补丁。名字后面带有“+”的人首次贡献了补丁。
A. Flaxman +
Abraham Flaxman
Adam Obeng +
Brenda Moon +
Chang She
Chris Mulligan +
Dieter Vandenbussche
Donald Curtis +
Jay Bourque +
Jeff Reback +
Justin C Johnson +
K.-Michael Aye
Keith Hughitt +
Ken Van Haren +
Laurent Gautier +
Luke Lee +
Martin Blais
Tobias Brandt +
Wes McKinney
Wouter Overmeire
alex arsenovic +
jreback +
locojaydev +
timmie
y-p
zach powers +