版本 0.9.1 (2012 年 11 月 14 日)#

這是 0.9.0 的一個錯誤修復版本，其中包含一些新功能和改進，以及大量的錯誤修復。新功能包括 DataFrame 和 Series 的按列排序順序、rank 方法改進的 NA 處理、DataFrame 的掩碼函式以及 DataFrame 的日內時間序列過濾。

新功能#

  • Series.sort、DataFrame.sort 和 DataFrame.sort_index 現在可以按每列的方式指定，以支援多重排序順序（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 現在支援 na_option 引數的附加引數值，以便將缺失值分配給最大或最小的排名（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 具有新的 where 和 mask 方法，可以根據給定的布林掩碼選擇值（GH 2109、GH 2151）

    DataFrame 目前支援透過與 DataFrame 長度相同的布林向量進行切片（在 [] 內部）。返回的 DataFrame 具有與原始 DataFrame 相同的列數，但根據其索引進行切片。

    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

    如果使用基於 DataFrame 的布林條件（大小與原始 DataFrame 相同）對 DataFrame 進行切片，則返回一個與原始 DataFrame 大小（索引和列）相同的 DataFrame，其中不滿足布林條件的值將替換為 NaN。這可以透過新的 DataFrame.where 方法實現。此外，where 還可以接受一個可選的 other 引數進行替換。

    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 現在可以對輸入的布林條件（ndarray 或 DataFrame）進行對齊，從而可以實現部分選擇和設定。這類似於透過 .ix 進行部分設定（但作用於內容而不是軸標籤）。

    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 的反布林運算。

    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

  • 允許透過 Excel 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')

  • 透過 series.plot(x_compat=True) 或 pandas.plot_params['x_compat'] = True 添加了停用 pandas 風格的刻度定位器和格式化器的選項（GH 2205）

  • 現有的 TimeSeries 方法 at_time 和 between_time 已新增到 DataFrame 中（GH 2149）

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

  • DataFrame.drop 現在支援非唯一索引（GH 2101）

  • Panel.shift 現在支援負週期（GH 2164）

  • DataFrame 現在支援一元 ~ 運算子（GH 2110）

API 更改#

  • 使用 PeriodIndex 進行上取樣資料將導致一個更高頻率的時間序列，該時間序列跨越原始時間視窗

    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 現在返回時間間隔內的最後一個納秒（GH 2124、GH 2125、GH 1764）

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

In [17]: p.end_time
Out[17]: Timestamp('2012-12-31 23:59:59.999999')

  • 對於指定了自定義轉換器的列，檔案解析器不再強制轉換為 float 或 bool（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

請參閱 完整的釋出說明 或 GitHub 上的問題跟蹤器以獲取完整列表。

貢獻者#

共有 11 人為本次釋出貢獻了補丁。名字旁邊有“+”的人是第一次貢獻補丁。

  • Brenda Moon +

  • Chang She

  • Jeff Reback +

  • Justin C Johnson +

  • K.-Michael Aye

  • Martin Blais

  • Tobias Brandt +

  • Wes McKinney

  • Wouter Overmeire

  • timmie

  • y-p