版本 0.16.2 (2015 年 6 月 12 日)#

這是繼 0.16.1 之後的又一個小型錯誤修復版本，包含大量錯誤修復以及一些新功能（pipe() 方法）、增強功能和效能改進。

我們建議所有使用者升級到此版本。

亮點包括

  • 新增 pipe 方法，參見 此處

  • 關於如何使用 numba 配合 pandas 的文件，參見 此處

新功能#

Pipe (管道)#

我們引入了一個新方法 DataFrame.pipe()。顧名思義，pipe 應用於透過一系列函式呼叫來傳遞資料。目標是避免令人困惑的巢狀函式呼叫，例如

# df is a DataFrame
# f, g, and h are functions that take and return DataFrames
f(g(h(df), arg1=1), arg2=2, arg3=3)  # noqa F821

邏輯從內向外流動，函式名與其關鍵字引數分離。這可以重寫為

(
    df.pipe(h)  # noqa F821
    .pipe(g, arg1=1)  # noqa F821
    .pipe(f, arg2=2, arg3=3)  # noqa F821
)

現在程式碼和邏輯都從上到下流動。關鍵字引數緊挨著它們的函式。總的來說，程式碼可讀性大大提高。

在上面的示例中，函式 f、g 和 h 都將 DataFrame 作為第一個位置引數。當您要應用的函式將資料作為第一個引數以外的引數時，請傳遞一個元組 (function, keyword)，指示 DataFrame 應該流向何處。例如：

In [1]: import statsmodels.formula.api as sm

In [2]: bb = pd.read_csv("data/baseball.csv", index_col="id")

# sm.ols takes (formula, data)
In [3]: (
...:     bb.query("h > 0")
...:     .assign(ln_h=lambda df: np.log(df.h))
...:     .pipe((sm.ols, "data"), "hr ~ ln_h + year + g + C(lg)")
...:     .fit()
...:     .summary()
...: )
...:
Out[3]:
<class 'statsmodels.iolib.summary.Summary'>
"""
                            OLS Regression Results
==============================================================================
Dep. Variable:                     hr   R-squared:                       0.685
Model:                            OLS   Adj. R-squared:                  0.665
Method:                 Least Squares   F-statistic:                     34.28
Date:                Tue, 22 Nov 2022   Prob (F-statistic):           3.48e-15
Time:                        05:35:23   Log-Likelihood:                -205.92
No. Observations:                  68   AIC:                             421.8
Df Residuals:                      63   BIC:                             432.9
Df Model:                           4
Covariance Type:            nonrobust
===============================================================================
                coef    std err          t      P>|t|      [0.025      0.975]
-------------------------------------------------------------------------------
Intercept   -8484.7720   4664.146     -1.819      0.074   -1.78e+04     835.780
C(lg)[T.NL]    -2.2736      1.325     -1.716      0.091      -4.922       0.375
ln_h           -1.3542      0.875     -1.547      0.127      -3.103       0.395
year            4.2277      2.324      1.819      0.074      -0.417       8.872
g               0.1841      0.029      6.258      0.000       0.125       0.243
==============================================================================
Omnibus:                       10.875   Durbin-Watson:                   1.999
Prob(Omnibus):                  0.004   Jarque-Bera (JB):               17.298
Skew:                           0.537   Prob(JB):                     0.000175
Kurtosis:                       5.225   Cond. No.                     1.49e+07
==============================================================================

Notes:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
[2] The condition number is large, 1.49e+07. This might indicate that there are
strong multicollinearity or other numerical problems.
"""

pipe 方法的靈感來自 Unix 管道，透過程序流式傳輸文字。最近，dplyr 和 magrittr 為 R 引入了流行的 (%>%) 管道運算子。

更多資訊請參見 文件。（GH 10129）

其他增強功能#

  • 為 Index/Series StringMethods 添加了 rsplit （GH 10303）

  • 移除了 IPython notebook 中 DataFrame HTML 表示的硬編碼大小限制，將其留給 IPython 本身處理（僅適用於 IPython v3.0 及以上版本）。這消除了 notebook 中出現的大資料框的重複捲軸（GH 10231）。

    請注意，notebook 有一個 toggle output scrolling（切換輸出滾動）功能，用於限制顯示非常大的資料框（透過點選輸出左側）。您還可以使用 pandas 選項配置 DataFrame 的顯示方式，參見 此處。

  • DataFrame.quantile 的 axis 引數現在也接受 index 和 column。（GH 9543）

API 更改#

  • Holiday 現在如果建構函式中同時使用了 offset 和 observance，將引發 NotImplementedError，而不是返回不正確的結果（GH 10217）。

效能改進#

  • 使用 dtype=datetime64[ns] 時，改進了 Series.resample 的效能（GH 7754）

  • 當 expand=True 時，提高了 str.split 的效能（GH 10081）

Bug 修復#

  • 當給出一個單行 Series 時，Series.hist 中的錯誤會引發一個錯誤（GH 10214）

  • HDFStore.select 修改了傳入的列列表的錯誤（GH 7212）

  • 在 Python 3 中，當 display.width 設定為 None 時，Categorical repr 中的錯誤（GH 10087）

  • 當使用某些 orient 和 CategoricalIndex 時，to_json 中的錯誤會導致段錯誤（GH 10317）

  • 某些 nan 函式的返回 dtype 不一致的錯誤（GH 10251）

  • 檢查是否傳遞了有效軸時，DataFrame.quantile 中的錯誤（GH 9543）

  • 對 Categorical 進行 groupby.apply 聚合時，未保留類別的錯誤（GH 10138）

  • 當 datetime 具有小數時，to_csv 中的 date_format 被忽略的錯誤（GH 10209）

  • DataFrame.to_json 在處理混合資料型別時的錯誤（GH 10289）

  • 合併時快取更新的錯誤（GH 10264）

  • mean() 中整數 dtype 可能溢位的錯誤（GH 10172）

  • Panel.from_dict 未在指定時設定 dtype 的錯誤（GH 10058）

  • 在傳遞 array-likes 時，Index.union 引發 AttributeError 的錯誤。（GH 10149）

  • Timestamp 的 microsecond、quarter、dayofyear、week 和 daysinmonth 屬性返回 np.int 型別，而不是內建的 int 的錯誤。（GH 10050）

  • 訪問 daysinmonth、dayofweek 屬性時，NaT 引發 AttributeError 的錯誤。（GH 10096）

  • 使用 max_seq_items=None 設定時，Index repr 中的錯誤（GH 10182）。

  • 在各種平臺上使用 dateutil 獲取時區資料時的錯誤（ GH 9059, GH 8639, GH 9663, GH 10121）

  • 顯示具有混合頻率的日期時間時的錯誤；以正確的精度顯示“ms”日期時間。（GH 10170）

  • setitem 中將型別提升應用於整個塊的錯誤（GH 10280）

  • Series 算術方法可能錯誤地保留名稱的錯誤（GH 10068）

  • 當按多個鍵分組，其中一個鍵是分類型別時，GroupBy.get_group 中的錯誤。（GH 10132）

  • timedelta 算術運算後 DatetimeIndex 和 TimedeltaIndex 名稱丟失的錯誤（ GH 9926）

  • 使用 datetime64 的巢狀 dict 構建 DataFrame 時的錯誤（GH 10160）

  • 使用 datetime64 鍵的 dict 構建 Series 時的錯誤（GH 9456）

  • Series.plot(label="LABEL") 未正確設定標籤的錯誤（GH 10119）

  • plot 未預設使用 matplotlib axes.grid 設定的錯誤（GH 9792）

  • 當 read_csv 解析器使用 engine='python' 時，包含指數但沒有小數的字串被解析為 int 而不是 float 的錯誤（GH 9565）

  • 指定 fill_value 時，Series.align 重置 name 的錯誤（GH 10067）

  • read_csv 在空 DataFrame 上未設定索引名稱的錯誤（GH 10184）

  • SparseSeries.abs 重置 name 的錯誤（GH 10241）

  • TimedeltaIndex 切片可能重置 freq 的錯誤（GH 10292）

  • 當組鍵包含 NaT 時，GroupBy.get_group 引發 ValueError 的錯誤（GH 6992）

  • SparseSeries 建構函式忽略輸入資料名稱的錯誤（GH 10258）

  • 當移除 NaN 類別且底層 dtype 是浮點型別時，Categorical.remove_categories 引起 ValueError 的錯誤（GH 10156）

  • infer_freq 推斷的時間規則（WOM-5XXX）不受 to_offset 支援的錯誤（GH 9425）

  • DataFrame.to_hdf() 中，對於無效（非字串）的列名，table 格式會引發一個看似無關的錯誤。現在顯式禁止這種情況。（GH 9057）

  • 處理空 DataFrame 掩碼的錯誤（GH 10126）。

  • MySQL 介面無法處理數字表/列名稱的錯誤（GH 10255）

  • 當 date_parser 返回一個時間解析度非 [ns] 的 datetime64 陣列時，read_csv 中的錯誤（GH 10245）

  • 當結果的 ndim=0 時，Panel.apply 中的錯誤（GH 10332）

  • read_hdf 中無法傳遞 auto_close 的錯誤（GH 9327）。

  • read_hdf 中無法使用已開啟的 store 的錯誤（GH 10330）。

  • 新增空 DataFrames 時的錯誤，現在結果是一個與空 DataFrame .equals 的 DataFrame （GH 10181）。

  • to_hdf 和 HDFStore 中未檢查 complib 選擇是否有效的錯誤（GH 4582, GH 8874）。

貢獻者#

共有 34 人為本次釋出貢獻了補丁。名字旁有“+”號的人是首次貢獻補丁。

  • Andrew Rosenfeld

  • Artemy Kolchinsky

  • Bernard Willers +

  • Christer van der Meeren

  • Christian Hudon +

  • Constantine Glen Evans +

  • Daniel Julius Lasiman +

  • Evan Wright

  • Francesco Brundu +

  • Gaëtan de Menten +

  • Jake VanderPlas

  • James Hiebert +

  • Jeff Reback

  • Joris Van den Bossche

  • Justin Lecher +

  • Ka Wo Chen +

  • Kevin Sheppard

  • Mortada Mehyar

  • Morton Fox +

  • Robin Wilson +

  • Sinhrks

  • Stephan Hoyer

  • Thomas Grainger

  • Tom Ajamian

  • Tom Augspurger

  • Yoshiki Vázquez Baeza

  • Younggun Kim

  • austinc +

  • behzad nouri

  • jreback

  • lexual

  • rekcahpassyla +

  • scls19fr

  • sinhrks