版本 0.9.1 (2012年11月14日)#

这是从0.9.0版本开始的错误修复版本，包含几个新功能和增强功能，以及大量的错误修复。新功能包括DataFrame和Series的按列排序顺序、rank方法的改进NA处理、DataFrame的掩码函数以及DataFrame的日内时间序列过滤。

新功能#

  • Series.sort、DataFrame.sort 和 DataFrame.sort_index 现在可以按列指定，以支持多种排序顺序 (GH 928)

    In [2]: df = pd.DataFrame(np.random.randint(0, 2, (6, 3)),
   ...:                   columns=['A', 'B', 'C'])

In [3]: df.sort(['A', 'B'], ascending=[1, 0])

Out[3]:
   A  B  C
3  0  1  1
4  0  1  1
2  0  0  1
0  1  0  0
1  1  0  0
5  1  0  0

  • DataFrame.rank 现在支持 na_option 参数的额外参数值，因此缺失值可以被分配为最大或最小的排名 (GH 1508, GH 2159)

    In [1]: df = pd.DataFrame(np.random.randn(6, 3), columns=['A', 'B', 'C'])

In [2]: df.loc[2:4] = np.nan

In [3]: df.rank()
Out[3]: 
     A    B    C
0  3.0  2.0  1.0
1  1.0  3.0  2.0
2  NaN  NaN  NaN
3  NaN  NaN  NaN
4  NaN  NaN  NaN
5  2.0  1.0  3.0

In [4]: df.rank(na_option='top')
Out[4]: 
     A    B    C
0  6.0  5.0  4.0
1  4.0  6.0  5.0
2  2.0  2.0  2.0
3  2.0  2.0  2.0
4  2.0  2.0  2.0
5  5.0  4.0  6.0

In [5]: df.rank(na_option='bottom')
Out[5]: 
     A    B    C
0  3.0  2.0  1.0
1  1.0  3.0  2.0
2  5.0  5.0  5.0
3  5.0  5.0  5.0
4  5.0  5.0  5.0
5  2.0  1.0  3.0

  • DataFrame 有新的 where 和 mask 方法，可以根据给定的布尔掩码选择值（GH 2109, GH 2151）

    DataFrame 目前支持通过与 DataFrame 长度相同的布尔向量进行切片（在 [] 内）。返回的 DataFrame 具有与原始 DataFrame 相同的列数，但在其索引上进行切片。

    In [6]: df = pd.DataFrame(np.random.randn(5, 3), columns=['A', 'B', 'C'])

In [7]: df
Out[7]: 
          A         B         C
0  0.276232 -1.087401 -0.673690
1  0.113648 -1.478427  0.524988
2  0.404705  0.577046 -1.715002
3 -1.039268 -0.370647 -1.157892
4 -1.344312  0.844885  1.075770

In [8]: df[df['A'] > 0]
Out[8]: 
          A         B         C
0  0.276232 -1.087401 -0.673690
1  0.113648 -1.478427  0.524988
2  0.404705  0.577046 -1.715002

    如果一个 DataFrame 是基于布尔条件的 DataFrame 切片（与原始 DataFrame 大小相同），那么将返回一个与原始 DataFrame 大小相同（索引和列）的 DataFrame，不满足布尔条件的元素为 NaN。这是通过新方法 DataFrame.where 实现的。此外，where 接受一个可选的 other 参数用于替换。

    In [9]: df[df > 0]
Out[9]: 
          A         B         C
0  0.276232       NaN       NaN
1  0.113648       NaN  0.524988
2  0.404705  0.577046       NaN
3       NaN       NaN       NaN
4       NaN  0.844885  1.075770

In [10]: df.where(df > 0)
Out[10]: 
          A         B         C
0  0.276232       NaN       NaN
1  0.113648       NaN  0.524988
2  0.404705  0.577046       NaN
3       NaN       NaN       NaN
4       NaN  0.844885  1.075770

In [11]: df.where(df > 0, -df)
Out[11]: 
          A         B         C
0  0.276232  1.087401  0.673690
1  0.113648  1.478427  0.524988
2  0.404705  0.577046  1.715002
3  1.039268  0.370647  1.157892
4  1.344312  0.844885  1.075770

    此外，where 现在对齐输入的布尔条件（ndarray 或 DataFrame），使得通过设置进行部分选择成为可能。这类似于通过 .ix 进行部分设置（但在内容上而不是在轴标签上）

    In [12]: df2 = df.copy()

In [13]: df2[df2[1:4] > 0] = 3

In [14]: df2
Out[14]: 
          A         B         C
0  0.276232 -1.087401 -0.673690
1  3.000000 -1.478427  3.000000
2  3.000000  3.000000 -1.715002
3 -1.039268 -0.370647 -1.157892
4 -1.344312  0.844885  1.075770

    DataFrame.mask 是 where 的反向布尔运算。

    In [15]: df.mask(df <= 0)
Out[15]: 
          A         B         C
0  0.276232       NaN       NaN
1  0.113648       NaN  0.524988
2  0.404705  0.577046       NaN
3       NaN       NaN       NaN
4       NaN  0.844885  1.075770

  • 启用通过列名引用Excel列 (GH 1936)

    In [1]: xl = pd.ExcelFile('data/test.xls')

In [2]: xl.parse('Sheet1', index_col=0, parse_dates=True,
                 parse_cols='A:D')

  • 添加了使用 series.plot(x_compat=True) 或 pandas.plot_params['x_compat'] = True 禁用 pandas 风格的刻度定位器和格式化器的选项 (GH 2205)

  • 现有的 TimeSeries 方法 at_time 和 between_time 已添加到 DataFrame (GH 2149)

  • DataFrame.dot 现在可以接受 ndarrays (GH 2042)

  • DataFrame.drop 现在支持非唯一索引 (GH 2101)

  • Panel.shift 现在支持负周期 (GH 2164)

  • DataFrame 现在支持一元 ~ 运算符 (GH 2110)

API 变化#

  • 使用 PeriodIndex 对数据进行上采样将生成一个频率更高的 TimeSeries，该 TimeSeries 跨越原始时间窗口

    In [1]: prng = pd.period_range('2012Q1', periods=2, freq='Q')

In [2]: s = pd.Series(np.random.randn(len(prng)), prng)

In [4]: s.resample('M')
Out[4]:
2012-01   -1.471992
2012-02         NaN
2012-03         NaN
2012-04   -0.493593
2012-05         NaN
2012-06         NaN
Freq: M, dtype: float64

  • Period.end_time 现在返回时间间隔中的最后一个纳秒 (GH 2124, GH 2125, GH 1764)

    In [16]: p = pd.Period('2012')

In [17]: p.end_time
Out[17]: Timestamp('2012-12-31 23:59:59.999999999')

  • 文件解析器不再对指定自定义转换器的列强制转换为浮点数或布尔值 (GH 2184)

    In [18]: import io

In [19]: data = ('A,B,C\n'
   ....:         '00001,001,5\n'
   ....:         '00002,002,6')
   ....: 

In [20]: pd.read_csv(io.StringIO(data), converters={'A': lambda x: x.strip()})
Out[20]: 
       A  B  C
0  00001  1  5
1  00002  2  6

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#

总共有11个人为这次发布贡献了补丁。名字后面带有“+”的人首次贡献了补丁。

  • Brenda Moon +

  • Chang She

  • Jeff Reback +

  • Justin C Johnson +

  • K.-Michael Aye

  • Martin Blais

  • Tobias Brandt +

  • Wes McKinney

  • Wouter Overmeire

  • timmie

  • y-p