版本 0.13.1 (2014 年 2 月 3 日)#
這是相對於 0.13.0 的次要版本釋出，包含少量 API 更改、若干新功能、增強功能和效能改進，以及大量的錯誤修復。我們建議所有使用者升級到此版本。
亮點包括
向
read_csv/to_datetime添加了infer_datetime_format關鍵字，以加速同構格式的日期時間解析。將智慧地限制日期時間/時間差格式的顯示精度。
增強了 Panel 的
apply()方法。在新的 教程 部分推薦了教程。
我們的 pandas 生態系統正在不斷壯大，我們現在在新 生態系統頁面 部分展示相關專案。
在改進文件方面做了大量工作，並添加了一個新的 貢獻 部分。
即使它可能只對開發者感興趣，我們也 <3>我們新的 CI 狀態頁面：ScatterCI。
警告
0.13.1 修復了一個由 numpy < 1.8 和對類字串陣列進行鏈式賦值的組合引起的錯誤。鏈式索引可能會產生意外結果，通常應避免使用。
這之前會導致段錯誤
df = pd.DataFrame({"A": np.array(["foo", "bar", "bah", "foo", "bar"])})
df["A"].iloc[0] = np.nan
執行此類賦值的推薦方法是
In [1]: df = pd.DataFrame({"A": np.array(["foo", "bar", "bah", "foo", "bar"])})
In [2]: df.loc[0, "A"] = np.nan
In [3]: df
Out[3]:
A
0 NaN
1 bar
2 bah
3 foo
4 bar
輸出格式增強#
df.info() 檢視現在顯示每列的 dtype 資訊（GH 5682）
df.info() 現在遵守
max_info_rows選項，以停用大型資料幀的空值計數（GH 5974）In [4]: max_info_rows = pd.get_option("max_info_rows") In [5]: df = pd.DataFrame( ...: { ...: "A": np.random.randn(10), ...: "B": np.random.randn(10), ...: "C": pd.date_range("20130101", periods=10), ...: } ...: ) ...: In [6]: df.iloc[3:6, [0, 2]] = np.nan
# set to not display the null counts In [7]: pd.set_option("max_info_rows", 0) In [8]: df.info() <class 'pandas.DataFrame'> RangeIndex: 10 entries, 0 to 9 Data columns (total 3 columns): # Column Dtype --- ------ ----- 0 A float64 1 B float64 2 C datetime64[us] dtypes: datetime64[us](1), float64(2) memory usage: 372.0 bytes
# this is the default (same as in 0.13.0) In [9]: pd.set_option("max_info_rows", max_info_rows) In [10]: df.info() <class 'pandas.DataFrame'> RangeIndex: 10 entries, 0 to 9 Data columns (total 3 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 A 7 non-null float64 1 B 10 non-null float64 2 C 7 non-null datetime64[us] dtypes: datetime64[us](1), float64(2) memory usage: 372.0 bytes
為新的 DataFrame repr 添加了
show_dimensions顯示選項，以控制是否列印維度。In [11]: df = pd.DataFrame([[1, 2], [3, 4]]) In [12]: pd.set_option("show_dimensions", False) In [13]: df Out[13]: 0 1 0 1 2 1 3 4 In [14]: pd.set_option("show_dimensions", True) In [15]: df Out[15]: 0 1 0 1 2 1 3 4 [2 rows x 2 columns]
用於
datetime和timedelta64的ArrayFormatter現在可以根據陣列中的值智慧地限制精度（GH 3401）以前的輸出可能看起來像
age today diff 0 2001-01-01 00:00:00 2013-04-19 00:00:00 4491 days, 00:00:00 1 2004-06-01 00:00:00 2013-04-19 00:00:00 3244 days, 00:00:00
現在的輸出看起來像
In [16]: df = pd.DataFrame( ....: [pd.Timestamp("20010101"), pd.Timestamp("20040601")], columns=["age"] ....: ) ....: In [17]: df["today"] = pd.Timestamp("20130419") In [18]: df["diff"] = df["today"] - df["age"] In [19]: df Out[19]: age today diff 0 2001-01-01 2013-04-19 4491 days 1 2004-06-01 2013-04-19 3244 days [2 rows x 3 columns]
API 更改#
添加了
Series.str.get_dummies向量化字串方法（GH 6021），用於提取分隔字串列的虛擬/指示變數In [20]: s = pd.Series(["a", "a|b", np.nan, "a|c"]) In [21]: s.str.get_dummies(sep="|") Out[21]: a b c 0 1 0 0 1 1 1 0 2 0 0 0 3 1 0 1 [4 rows x 3 columns]
添加了
NDFrame.equals()方法來比較兩個 NDFrames 是否相等，具有相等的軸、dtype 和值。添加了array_equivalent函式來比較兩個 ndarrays 是否相等。相同位置的 NaN 被視為相等。（GH 5283）另請參閱 文件 以獲取動機示例。df = pd.DataFrame({"col": ["foo", 0, np.nan]}) df2 = pd.DataFrame({"col": [np.nan, 0, "foo"]}, index=[2, 1, 0]) df.equals(df2) df.equals(df2.sort_index())
DataFrame.apply將使用reduce引數來確定當DataFrame為空時，是返回Series還是DataFrame（GH 6007）。以前，對空
DataFrame呼叫DataFrame.apply會返回一個DataFrame（如果沒有列），或者傳遞給函式的函式將使用一個空的Series來猜測是返回Series還是DataFrameIn [32]: def applied_func(col): ....: print("Apply function being called with: ", col) ....: return col.sum() ....: In [33]: empty = DataFrame(columns=['a', 'b']) In [34]: empty.apply(applied_func) Apply function being called with: Series([], Length: 0, dtype: float64) Out[34]: a NaN b NaN Length: 2, dtype: float64
現在，當
apply在空DataFrame上呼叫時：如果reduce引數為True，則返回Series；如果為False，則返回DataFrame；如果為None（預設值），則將使用一個空的 Series 呼叫要應用的函式，以嘗試猜測返回型別。In [35]: empty.apply(applied_func, reduce=True) Out[35]: a NaN b NaN Length: 2, dtype: float64 In [36]: empty.apply(applied_func, reduce=False) Out[36]: Empty DataFrame Columns: [a, b] Index: [] [0 rows x 2 columns]
先前版本的棄用/更改#
0.13 或更早版本中沒有宣佈的更改將在 0.13.1 中生效
棄用#
0.13.1 中沒有對先前行為的棄用
增強功能#
pd.read_csv和pd.to_datetime學習了一個新的infer_datetime_format關鍵字，在許多情況下極大地提高了解析效能。感謝 @lexual 的建議和 @danbirken 的快速實現。（GH 5490，GH 6021）如果啟用了
parse_dates並且設定了此標誌，pandas 將嘗試推斷列中日期時間字串的格式，如果可以推斷，則切換到更快的解析方法。在某些情況下，這可以將解析速度提高約 5-10 倍。# Try to infer the format for the index column df = pd.read_csv( "foo.csv", index_col=0, parse_dates=True, infer_datetime_format=True )
在寫入
excel檔案時，現在可以指定date_format和datetime_format關鍵字（GH 4133）用於從一組可迭代物件的笛卡爾積建立 MultiIndex 的
MultiIndex.from_product便利函式（GH 6055）In [22]: shades = ["light", "dark"] In [23]: colors = ["red", "green", "blue"] In [24]: pd.MultiIndex.from_product([shades, colors], names=["shade", "color"]) Out[24]: MultiIndex([('light', 'red'), ('light', 'green'), ('light', 'blue'), ( 'dark', 'red'), ( 'dark', 'green'), ( 'dark', 'blue')], names=['shade', 'color'])
Panel 的
apply()將適用於非 ufuncs。請參閱 文件。In [28]: import pandas._testing as tm In [29]: panel = tm.makePanel(5) In [30]: panel Out[30]: <class 'pandas.core.panel.Panel'> Dimensions: 3 (items) x 5 (major_axis) x 4 (minor_axis) Items axis: ItemA to ItemC Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00 Minor_axis axis: A to D In [31]: panel['ItemA'] Out[31]: A B C D 2000-01-03 -0.673690 0.577046 -1.344312 -1.469388 2000-01-04 0.113648 -1.715002 0.844885 0.357021 2000-01-05 -1.478427 -1.039268 1.075770 -0.674600 2000-01-06 0.524988 -0.370647 -0.109050 -1.776904 2000-01-07 0.404705 -1.157892 1.643563 -0.968914 [5 rows x 4 columns]
指定一個作用於 Series（返回單個元素）的
applyIn [32]: panel.apply(lambda x: x.dtype, axis='items') Out[32]: A B C D 2000-01-03 float64 float64 float64 float64 2000-01-04 float64 float64 float64 float64 2000-01-05 float64 float64 float64 float64 2000-01-06 float64 float64 float64 float64 2000-01-07 float64 float64 float64 float64 [5 rows x 4 columns]
類似的歸約型別操作
In [33]: panel.apply(lambda x: x.sum(), axis='major_axis') Out[33]: ItemA ItemB ItemC A -1.108775 -1.090118 -2.984435 B -3.705764 0.409204 1.866240 C 2.110856 2.960500 -0.974967 D -4.532785 0.303202 -3.685193 [4 rows x 3 columns]
這相當於
In [34]: panel.sum('major_axis') Out[34]: ItemA ItemB ItemC A -1.108775 -1.090118 -2.984435 B -3.705764 0.409204 1.866240 C 2.110856 2.960500 -0.974967 D -4.532785 0.303202 -3.685193 [4 rows x 3 columns]
一個返回 Panel 的轉換操作，但它正在跨 major_axis 計算 z 分數
In [35]: result = panel.apply(lambda x: (x - x.mean()) / x.std(), ....: axis='major_axis') ....: In [36]: result Out[36]: <class 'pandas.core.panel.Panel'> Dimensions: 3 (items) x 5 (major_axis) x 4 (minor_axis) Items axis: ItemA to ItemC Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00 Minor_axis axis: A to D In [37]: result['ItemA'] # noqa E999 Out[37]: A B C D 2000-01-03 -0.535778 1.500802 -1.506416 -0.681456 2000-01-04 0.397628 -1.108752 0.360481 1.529895 2000-01-05 -1.489811 -0.339412 0.557374 0.280845 2000-01-06 0.885279 0.421830 -0.453013 -1.053785 2000-01-07 0.742682 -0.474468 1.041575 -0.075499 [5 rows x 4 columns]
Panel 的
apply()作用於橫截面切片。（GH 1148）In [38]: def f(x): ....: return ((x.T - x.mean(1)) / x.std(1)).T ....: In [39]: result = panel.apply(f, axis=['items', 'major_axis']) In [40]: result Out[40]: <class 'pandas.core.panel.Panel'> Dimensions: 4 (items) x 5 (major_axis) x 3 (minor_axis) Items axis: A to D Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00 Minor_axis axis: ItemA to ItemC In [41]: result.loc[:, :, 'ItemA'] Out[41]: A B C D 2000-01-03 0.012922 -0.030874 -0.629546 -0.757034 2000-01-04 0.392053 -1.071665 0.163228 0.548188 2000-01-05 -1.093650 -0.640898 0.385734 -1.154310 2000-01-06 1.005446 -1.154593 -0.595615 -0.809185 2000-01-07 0.783051 -0.198053 0.919339 -1.052721 [5 rows x 4 columns]
這相當於以下內容
In [42]: result = pd.Panel({ax: f(panel.loc[:, :, ax]) for ax in panel.minor_axis}) In [43]: result Out[43]: <class 'pandas.core.panel.Panel'> Dimensions: 4 (items) x 5 (major_axis) x 3 (minor_axis) Items axis: A to D Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00 Minor_axis axis: ItemA to ItemC In [44]: result.loc[:, :, 'ItemA'] Out[44]: A B C D 2000-01-03 0.012922 -0.030874 -0.629546 -0.757034 2000-01-04 0.392053 -1.071665 0.163228 0.548188 2000-01-05 -1.093650 -0.640898 0.385734 -1.154310 2000-01-06 1.005446 -1.154593 -0.595615 -0.809185 2000-01-07 0.783051 -0.198053 0.919339 -1.052721 [5 rows x 4 columns]
效能#
0.13.1 的效能改進
實驗性#
0.13.1 中沒有實驗性更改
Bug 修復#
io.wb.get_countries 中的錯誤未包含所有國家（GH 6008）
Series replace 使用時間戳字典中的錯誤（GH 5797）
read_csv/read_table 現在尊重
prefixkwarg（GH 5732）。透過
.ix從重複索引的 DataFrame 進行選擇時包含缺失值的錯誤失敗（GH 5835）修復了空 DataFrame 上布林比較的錯誤（GH 5808）
isnull 處理物件陣列中
NaT的錯誤（GH 5443）當傳遞
np.nan或整數日期型別和格式字串時，to_datetime中的錯誤（GH 5863）groupby Dtype 轉換與日期時間型別相關的錯誤（GH 5869）
空 Series 作為 Indexer 到 Series 的處理迴歸（GH 5877）
內部快取錯誤，與（GH 5727）相關
在 py3 下，在 windows 上從非檔案路徑讀取 JSON/msgpack 的測試錯誤（GH 5874）
當使用 .ix[tuple(…)] 進行賦值時出錯（GH 5896）
完全重新索引 Panel 時出錯（GH 5905）
idxmin/max 處理 object dtypes 時出錯（GH 5914）
BusinessDay在向非偏移日期新增 n 天時出錯，其中 n>5 且 n%5==0（GH 5890）透過 ix 將鏈式 Series 分配給 Series 時出錯（GH 5928）
建立空 DataFrame、複製然後賦值時出錯（GH 5932）
DataFrame.tail 處理空幀時出錯（GH 5846）
resample 時元資料傳播錯誤（GH 5862）
修復了
NaT的字串表示形式為“NaT”（GH 5708）修復了 Timestamp 的字串表示形式，如果存在納秒則顯示納秒（GH 5912）
pd.match未返回傳入的哨兵Panel.to_frame()在major_axis為MultiIndex時不再失敗（GH 5402）。pd.read_msgpack在錯誤地推斷DateTimeIndex頻率時出錯（GH 5947）修復了
to_datetime處理同時包含時區感知的日期時間和NaT的陣列的錯誤（GH 5961）滾動 skew/kurtosis 方法在傳遞帶有錯誤資料的 Series 時出錯（GH 5749）
scipy
interpolate方法處理日期時間索引時出錯（GH 5975）當傳遞混合的 datetime/np.datetime64 和 NaT 時，NaT 比較錯誤（GH 5968）
修復了
pd.concat在所有輸入為空時丟失 Dtype 資訊的錯誤（GH 5742）IPython 的近期更改導致在使用舊版本 pandas 在 QTConsole 中時發出警告，現已修復。如果您使用的是舊版本且需要抑制警告，請參閱（GH 5922）。
合併
timedeltaDtypes 時出錯（GH 5695）plotting.scatter_matrix 函式中的錯誤。對角線和非對角線圖之間的對齊不正確，請參閱（GH 5497）。
透過 ix 訪問帶有 MultiIndex 的 Series 時迴歸（GH 6018）
Series.xs 使用 MultiIndex 時出錯（GH 6018）
建立混合型別 Series 時出錯，其中包含日期型別和整數（應產生 object 型別，而不是自動轉換）（GH 6028）
使用花式索引將單個元素設定為非標量（例如列表）時出錯（GH 6043）
從 0.12 開始的
.get(None)索引迴歸（GH 5652）微妙的
iloc索引錯誤，在（GH 6059）中暴露將字串插入 DatetimeIndex 時出錯（GH 5818）
修復了 to_html/HTML repr 中的 Unicode 錯誤（GH 6098）
修復了 get_options_data 中的缺失引數驗證（GH 6105）
當具有重複列的 DataFrame 中的位置是切片（例如相鄰）時，賦值時出錯（GH 6120）
在具有重複索引/列的 DataFrame 構建期間傳播 _ref_locs 時出錯（GH 6121）
DataFrame.apply在使用混合日期型別歸約時出錯（GH 6125）DataFrame.append在追加具有不同列的行時出錯（GH 6129）使用 recarray 和非 ns 日期時間 dtype 構建 DataFrame 時出錯（GH 6140）
.locsetitem 索引，其中右側為 dataframe，進行多項設定，且是日期時間型別（GH 6152）修復了
query/eval在進行詞典字串比較時的錯誤（GH 6155）。修復了
query中單元素Series的索引被丟棄的錯誤（GH 6148）。在將具有 MultiIndexed 列的 DataFrame 追加到現有表時，
HDFStore出錯（GH 6167）在設定空 DataFrame 時 Dtypes 的一致性（GH 6171）
在
HDFStore上對 MultiIndex 進行選擇時出錯，即使存在未充分指定的列規範（GH 6169）nanops.var在ddof=1和 1 個元素時，在某些平臺上有時會返回inf而不是nan（GH 6136）Series 和 DataFrame 的條形圖圖表忽略
use_index關鍵字時出錯（GH 6209）修復了 python3 下 groupby 混合 str/int 的錯誤；
argsort失敗了（GH 6212）
貢獻者#
共有 52 人為本次釋出貢獻了補丁。“+”號表示首次貢獻補丁。
Alex Rothberg
Alok Singhal +
Andrew Burrows +
Andy Hayden
Bjorn Arneson +
Brad Buran
Caleb Epstein
Chapman Siu
Chase Albert +
Clark Fitzgerald +
DSM
Dan Birken
Daniel Waeber +
David Wolever +
Doran Deluz +
Douglas McNeil +
Douglas Rudd +
Dražen Lučanin
Elliot S +
Felix Lawrence +
George Kuan +
Guillaume Gay +
Jacob Schaer
Jan Wagner +
Jeff Tratner
John McNamara
Joris Van den Bossche
Julia Evans +
Kieran O’Mahony
Michael Schatzow +
Naveen Michaud-Agrawal +
Patrick O’Keeffe +
Phillip Cloud
Roman Pekar
Skipper Seabold
Spencer Lyon
Tom Augspurger +
TomAugspurger
acorbe +
akittredge +
bmu +
bwignall +
chapman siu
danielballan
david +
davidshinn
immerrr +
jreback
lexual
mwaskom +
unutbu
y-p