版本 0.15.1 (2014年11月9日)#
这是从0.15.0版本的一个小错误修复版本,包括少量API更改、几个新功能、增强功能和性能改进,以及大量错误修复。我们建议所有用户升级到此版本。
API 变化#
s.dt.hour
和其他.dt
访问器现在将为缺失值返回 ``np.nan``(而不是之前的 -1),(GH 8689)In [1]: s = pd.Series(pd.date_range("20130101", periods=5, freq="D")) In [2]: s.iloc[2] = np.nan In [3]: s Out[3]: 0 2013-01-01 1 2013-01-02 2 NaT 3 2013-01-04 4 2013-01-05 Length: 5, dtype: datetime64[ns]
之前的行为:
In [6]: s.dt.hour Out[6]: 0 0 1 0 2 -1 3 0 4 0 dtype: int64
当前行为:
In [4]: s.dt.hour Out[4]: 0 0.0 1 0.0 2 NaN 3 0.0 4 0.0 Length: 5, dtype: float64
groupby
使用as_index=False
不会在结果中添加错误的额外列 (GH 8582):In [5]: np.random.seed(2718281) In [6]: df = pd.DataFrame(np.random.randint(0, 100, (10, 2)), columns=["jim", "joe"]) In [7]: df.head() Out[7]: jim joe 0 61 81 1 96 49 2 55 65 3 72 51 4 77 12 [5 rows x 2 columns] In [8]: ts = pd.Series(5 * np.random.randint(0, 3, 10))
之前的行为:
In [4]: df.groupby(ts, as_index=False).max() Out[4]: NaN jim joe 0 0 72 83 1 5 77 84 2 10 96 65
当前行为:
In [4]: df.groupby(ts, as_index=False).max() Out[4]: jim joe 0 72 83 1 77 84 2 96 65
groupby
如果列名与分组名冲突,将不会错误地排除列(GH 8112):In [9]: df = pd.DataFrame({"jim": range(5), "joe": range(5, 10)}) In [10]: df Out[10]: jim joe 0 0 5 1 1 6 2 2 7 3 3 8 4 4 9 [5 rows x 2 columns] In [11]: gr = df.groupby(df["jim"] < 2)
之前的行为(从输出中排除第1列):
In [4]: gr.apply("sum") Out[4]: joe jim False 24 True 11
当前行为:
In [12]: gr.apply("sum") Out[12]: jim joe jim False 9 24 True 1 11 [2 rows x 2 columns]
支持使用单调递减的索引进行切片,即使
start
或stop
在索引中找不到 (GH 7860):In [13]: s = pd.Series(["a", "b", "c", "d"], [4, 3, 2, 1]) In [14]: s Out[14]: 4 a 3 b 2 c 1 d Length: 4, dtype: object
之前的行为:
In [8]: s.loc[3.5:1.5] KeyError: 3.5
当前行为:
In [15]: s.loc[3.5:1.5] Out[15]: 3 b 2 c Length: 2, dtype: object
io.data.Options
已修复了雅虎期权页面格式变化的问题 (GH 8612), (GH 8741)备注
由于雅虎选项页面布局的更改,当给定到期日期时,
Options
方法现在返回单个到期日期的数据。以前,方法返回所选月份的所有数据。month
和year
参数已不再弃用,可以用于获取给定月份的所有选项数据。如果给定的到期日期无效,则返回给定日期之后的下一个到期日期的数据。
选项数据框现在实例上保存为
callsYYMMDD
或putsYYMMDD
。之前它们保存为callsMMYY
和putsMMYY
。下一个到期日保存为calls
和puts
。新功能:
过期参数现在可以是一个单一的日期或一个包含日期的类列表对象。
新增了一个属性
expiry_dates
,它返回所有可用的到期日期。
当前行为:
In [17]: from pandas.io.data import Options In [18]: aapl = Options('aapl', 'yahoo') In [19]: aapl.get_call_data().iloc[0:5, 0:1] Out[19]: Last Strike Expiry Type Symbol 80 2014-11-14 call AAPL141114C00080000 29.05 84 2014-11-14 call AAPL141114C00084000 24.80 85 2014-11-14 call AAPL141114C00085000 24.05 86 2014-11-14 call AAPL141114C00086000 22.76 87 2014-11-14 call AAPL141114C00087000 21.74 In [20]: aapl.expiry_dates Out[20]: [datetime.date(2014, 11, 14), datetime.date(2014, 11, 22), datetime.date(2014, 11, 28), datetime.date(2014, 12, 5), datetime.date(2014, 12, 12), datetime.date(2014, 12, 20), datetime.date(2015, 1, 17), datetime.date(2015, 2, 20), datetime.date(2015, 4, 17), datetime.date(2015, 7, 17), datetime.date(2016, 1, 15), datetime.date(2017, 1, 20)] In [21]: aapl.get_near_stock_price(expiry=aapl.expiry_dates[0:3]).iloc[0:5, 0:1] Out[21]: Last Strike Expiry Type Symbol 109 2014-11-22 call AAPL141122C00109000 1.48 2014-11-28 call AAPL141128C00109000 1.79 110 2014-11-14 call AAPL141114C00110000 0.55 2014-11-22 call AAPL141122C00110000 1.02 2014-11-28 call AAPL141128C00110000 1.32
pandas 现在也在 matplotlib 的单位注册表中注册了
datetime64
数据类型,以将这些值绘制为日期时间。一旦导入了 pandas,这个功能就会被激活。在以前的版本中,绘制datetime64
值的数组会导致绘制整数值。要保持以前的行为,你可以执行del matplotlib.units.registry[np.datetime64]
(GH 8614)。
增强功能#
concat
允许传递更多种类的 pandas 对象的可迭代对象作为第一个参数 (GH 8645):In [16]: from collections import deque In [17]: df1 = pd.DataFrame([1, 2, 3]) In [18]: df2 = pd.DataFrame([4, 5, 6])
之前的行为:
In [7]: pd.concat(deque((df1, df2))) TypeError: first argument must be a list-like of pandas objects, you passed an object of type "deque"
当前行为:
In [19]: pd.concat(deque((df1, df2))) Out[19]: 0 0 1 1 2 2 3 0 4 1 5 2 6 [6 rows x 1 columns]
使用基于级别大小的 dtype 表示
MultiIndex
标签,以利用内存。在之前的版本中,每个级别中的每个元素的内存使用量是一个恒定的 8 字节。此外,在之前的版本中,报告的 内存使用量是不正确的,因为它没有显示底层数据数组占用的内存使用量。(GH 8456)In [20]: dfi = pd.DataFrame( ....: 1, index=pd.MultiIndex.from_product([["a"], range(1000)]), columns=["A"] ....: ) ....:
之前的行为:
# this was underreported in prior versions In [1]: dfi.memory_usage(index=True) Out[1]: Index 8000 # took about 24008 bytes in < 0.15.1 A 8000 dtype: int64
当前行为:
In [21]: dfi.memory_usage(index=True) Out[21]: Index 3168 A 8000 Length: 2, dtype: int64
添加了索引属性
is_monotonic_increasing
和is_monotonic_decreasing
(GH 8680)。在导入 Stata 文件时添加了选择列的选项 (GH 7935)
在
DataFrame.info()
中通过添加+
来限定内存使用,如果它是一个下限 (GH 8578)在某些聚合情况下引发错误,其中未处理诸如
numeric_only
之类的参数(GH 8592)。在
io.wb.download()
中增加了对3个字符的ISO和非标准国家代码的支持 (GH 8482)世界银行数据请求现在会根据
errors
参数以及硬编码的国家代码和世界银行的 JSON 响应发出警告/引发错误。在之前的版本中,错误消息没有查看世界银行的 JSON 响应。问题输入在请求之前只是简单地被丢弃。问题在于,许多好的国家在硬编码方法中被裁剪掉了。现在所有国家都能工作,但一些坏国家会引发异常,因为某些边缘情况会破坏整个响应。(GH 8482)为
Series.str.split()
添加了返回DataFrame
而不是Series
的选项 (GH 8428)添加了
df.info(null_counts=None|True|False)
选项以覆盖默认显示选项并强制显示空值计数 (GH 8701)
错误修复#
在解封
CustomBusinessDay
对象时的错误 (GH 8591)在将
Categorical
强制转换为记录数组时出现错误,例如df.to_records()
(GH 8626)Categorical
中的错误未正确创建Series.to_frame()
(GH 8626)在传递的
pd.Categorical
的Categorical
的 astype 中强制转换的错误(现在正确地引发TypeError
),(GH 8626)在使用
Series
和retbins=True
时cut
/qcut
中的错误 (GH 8589)使用
to_sql
将分类列写入 SQL 数据库时出现错误 (GH 8624)。在比较
Categorical
的日期时间时,当与标量日期时间进行比较时引发错误的错误 (GH 8687)在通过
.iloc
从Categorical
中选择时出现的错误 (GH 8623)使用 Categorical 的 groupby-transform 中的 Bug (GH 8623)
在带有分类变量的 duplicated/drop_duplicates 中的错误 (GH 8623)
Categorical
中的错误:如果第一个参数是 numpy 数组标量(例如 np.int64),则反映比较运算符会引发 (GH 8658)Panel 索引中的错误与类似列表的对象 (GH 8710)
兼容性问题是当
options.mode.use_inf_as_null
为 True 时的DataFrame.dtypes
(GH 8722)read_csv
中的错误,dialect
参数不接受字符串 (GH 8703)使用空列表对 MultiIndex 级别进行切片时出现的错误 (GH 8737)
使用 numpy 数组时,add/sub 与 Float/Index 的数值索引操作中的错误 (GH 8608)
在带有空索引器和不希望的dtypes强制转换的setitem中的Bug (GH 8669)
在 setitem 上拆分 ix/loc 块的错误(在使用类似整数的 dtypes 时表现出来,例如 datetime64)(GH 8607)
当使用不在非唯一但单调索引中的整数进行基于标签的索引时出现错误 (GH 8680)。
在 numpy 1.7 上使用
np.nan
索引 Float64Index 时的错误 (GH 8980)。修复
MultiIndex
的shape
属性 (GH 8609)GroupBy
中的一个错误,其中分组器和列之间的名称冲突会破坏groupby
操作 (GH 7115, GH 8112)修复了一个绘制列
y
并指定标签时会改变原始 DataFrame 索引名称的错误 (GH 8494)修复了直接使用 matplotlib 绘制 DatetimeIndex 时的回归问题 (GH 8614)。
date_range
中的一个错误,部分指定的日期会包含当前日期 (GH 6961)在将索引器设置为具有混合数据类型的标量值时,
Panel4d
中的错误导致失败 (GH 8702)如果传递的符号之一无效,
DataReader
会失败的错误。现在返回有效符号的数据,并为无效符号返回 np.nan (GH 8494)get_quote_yahoo
中的错误,不允许非浮点返回值 (GH 5229)。
贡献者#
共有23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。
Aaron Staple +
Andrew Rosenfeld
Anton I. Sipos
Artemy Kolchinsky
Bill Letson +
Dave Hughes +
David Stephens
Guillaume Horel +
Jeff Reback
Joris Van den Bossche
Kevin Sheppard
Nick Stahl +
Sanghee Kim +
Stephan Hoyer
Tom Augspurger
TomAugspurger
WANG Aiyong +
behzad nouri
immerrr
jnmclarty
jreback
pallav-fdsi +
unutbu