版本 0.10.0（2012 年 12 月 17 日）#

这是 0.9.1 的主要版本，包含许多新功能和增强功能以及大量错误修复。还有一些重要的 API 更改，Pandas 的长期用户应该密切关注。

文件解析新功能#

read_csv分隔文件解析引擎（和的核心read_table）已从头开始重写，现在在解析时只使用一小部分内存，同时在大多数用例中速度提高 40% 或更多（在某些情况下快得多）。

还有许多新功能：

通过该选项大大改进了 Unicode 处理encoding。
列过滤 ( usecols)
Dtype 规范（dtype参数）
能够指定要识别为 True/False 的字符串
能够生成 NumPy 记录数组 ( as_recarray)
高性能delim_whitespace选项
十进制格式（例如欧洲格式）规范
更简单的 CSV 方言选项：escapechar、lineterminator、 quotechar等。
更稳健地处理在野外观察到的许多特殊类型的文件

API 更改#

已弃用的 DataFrame BINOP TimeSeries 特殊情况行为

DataFrame 和 Series 之间的二进制运算的默认行为始终是在 DataFrame 的列上对齐并向下广播行，除非DataFrame 包含时间序列的特殊情况。由于现在每个二元运算符都有方法，使您能够指定要如何广播，因此我们正在逐步淘汰这种特殊情况（Zen of Python： 特殊情况不足以打破规则）。这就是我要说的：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame(np.random.randn(6, 4), index=pd.date_range("1/1/2000", periods=6))

In [3]: df
Out[3]: 
                   0         1         2         3
2000-01-01  0.469112 -0.282863 -1.509059 -1.135632
2000-01-02  1.212112 -0.173215  0.119209 -1.044236
2000-01-03 -0.861849 -2.104569 -0.494929  1.071804
2000-01-04  0.721555 -0.706771 -1.039575  0.271860
2000-01-05 -0.424972  0.567020  0.276232 -1.087401
2000-01-06 -0.673690  0.113648 -1.478427  0.524988

# deprecated now
In [4]: df - df[0]
Out[4]: 
             0   1  ...  2000-01-05 00:00:00  2000-01-06 00:00:00
2000-01-01 NaN NaN  ...                  NaN                  NaN
2000-01-02 NaN NaN  ...                  NaN                  NaN
2000-01-03 NaN NaN  ...                  NaN                  NaN
2000-01-04 NaN NaN  ...                  NaN                  NaN
2000-01-05 NaN NaN  ...                  NaN                  NaN
2000-01-06 NaN NaN  ...                  NaN                  NaN

[6 rows x 10 columns]

# Change your code to
In [5]: df.sub(df[0], axis=0)  # align on axis 0 (rows)
Out[5]: 
              0         1         2         3
2000-01-01  0.0 -0.751976 -1.978171 -1.604745
2000-01-02  0.0 -1.385327 -1.092903 -2.256348
2000-01-03  0.0 -1.242720  0.366920  1.933653
2000-01-04  0.0 -1.428326 -1.761130 -0.449695
2000-01-05  0.0  0.991993  0.701204 -0.662428
2000-01-06  0.0  0.787338 -0.804737  1.198677

您将在 0.10.x 系列中收到弃用警告，并且弃用的功能将在 0.11 或更高版本中删除。

改变重采样默认行为

resample每日D和更高频率的默认时间序列分箱行为已更改为。较低的频率不受影响。之前的默认设置给用户带来了很大的困惑，特别是按照每日频率对数据进行重新采样（用间隔结束标记聚合组：第二天）。closed='left', label='left'

In [1]: dates = pd.date_range('1/1/2000', '1/5/2000', freq='4h')

In [2]: series = pd.Series(np.arange(len(dates)), index=dates)

In [3]: series
Out[3]:
2000-01-01 00:00:00     0
2000-01-01 04:00:00     1
2000-01-01 08:00:00     2
2000-01-01 12:00:00     3
2000-01-01 16:00:00     4
2000-01-01 20:00:00     5
2000-01-02 00:00:00     6
2000-01-02 04:00:00     7
2000-01-02 08:00:00     8
2000-01-02 12:00:00     9
2000-01-02 16:00:00    10
2000-01-02 20:00:00    11
2000-01-03 00:00:00    12
2000-01-03 04:00:00    13
2000-01-03 08:00:00    14
2000-01-03 12:00:00    15
2000-01-03 16:00:00    16
2000-01-03 20:00:00    17
2000-01-04 00:00:00    18
2000-01-04 04:00:00    19
2000-01-04 08:00:00    20
2000-01-04 12:00:00    21
2000-01-04 16:00:00    22
2000-01-04 20:00:00    23
2000-01-05 00:00:00    24
Freq: 4H, dtype: int64

In [4]: series.resample('D', how='sum')
Out[4]:
2000-01-01     15
2000-01-02     51
2000-01-03     87
2000-01-04    123
2000-01-05     24
Freq: D, dtype: int64

In [5]: # old behavior
In [6]: series.resample('D', how='sum', closed='right', label='right')
Out[6]:
2000-01-01      0
2000-01-02     21
2000-01-03     57
2000-01-04     93
2000-01-05    129
Freq: D, dtype: int64

isnull和不再将无穷大和负无穷大视为 NA notnull。它们曾经是早期大熊猫的遗物。可以通过以下选项全局重新启用此行为mode.use_inf_as_null：

In [6]: s = pd.Series([1.5, np.inf, 3.4, -np.inf])

In [7]: pd.isnull(s)
Out[7]:
0    False
1    False
2    False
3    False
Length: 4, dtype: bool

In [8]: s.fillna(0)
Out[8]:
0    1.500000
1         inf
2    3.400000
3        -inf
Length: 4, dtype: float64

In [9]: pd.set_option('use_inf_as_null', True)

In [10]: pd.isnull(s)
Out[10]:
0    False
1     True
2    False
3     True
Length: 4, dtype: bool

In [11]: s.fillna(0)
Out[11]:
0    1.5
1    0.0
2    3.4
3    0.0
Length: 4, dtype: float64

In [12]: pd.reset_option('use_inf_as_null')

具有该选项的方法inplace现在全部返回None而不是调用对象。例如，这样编写的代码可能会停止工作。要修复此问题，只需删除不必要的变量分配即可。df = df.fillna(0, inplace=True)
pandas.merge默认情况下不再对组键 ( sort=False) 进行排序。这样做是出于性能原因：组键排序通常是计算中成本较高的部分之一，并且通常是不必要的。
0无标题文件的默认列名已通过更改为整数。这是为了与未指定列的 DataFrame 构造函数保持一致。 v0.9.0 行为（名称、…）可以通过指定来重现：N - 1X0X1prefix='X'

In [6]: import io

In [7]: data = """
  ...: a,b,c
  ...: 1,Yes,2
  ...: 3,No,4
  ...: """
  ...:

In [8]: print(data)

    a,b,c
    1,Yes,2
    3,No,4

In [9]: pd.read_csv(io.StringIO(data), header=None)
Out[9]:
       0    1  2
0      a    b  c
1      1  Yes  2
2      3   No  4

In [10]: pd.read_csv(io.StringIO(data), header=None, prefix="X")
Out[10]:
        X0   X1 X2
0       a    b  c
1       1  Yes  2
2       3   No  4

'Yes'默认情况下，像和之类的值'No'不会被解释为布尔值，尽管这可以通过 newtrue_values和false_values 参数来控制：

In [4]: print(data)

    a,b,c
    1,Yes,2
    3,No,4

In [5]: pd.read_csv(io.StringIO(data))
Out[5]:
       a    b  c
0      1  Yes  2
1      3   No  4

In [6]: pd.read_csv(io.StringIO(data), true_values=["Yes"], false_values=["No"])
Out[6]:
       a      b  c
0      1   True  2
1      3  False  4

如果传入参数，文件解析器不会将转换器函数产生的非字符串值识别为 NA na_values。最好使用该replace函数进行后处理。
不带参数调用fillnaSeries 或 DataFrame 不再是有效的代码。您必须指定填充值或插值方法：

In [6]: s = pd.Series([np.nan, 1.0, 2.0, np.nan, 4])

In [7]: s
Out[7]: 
0    NaN
1    1.0
2    2.0
3    NaN
4    4.0
dtype: float64

In [8]: s.fillna(0)
Out[8]: 
0    0.0
1    1.0
2    2.0
3    0.0
4    4.0
dtype: float64

In [9]: s.fillna(method="pad")
Out[9]: 
0    NaN
1    1.0
2    2.0
3    2.0
4    4.0
dtype: float64

便捷方法ffill已bfill添加：

In [10]: s.ffill()
Out[10]: 
0    NaN
1    1.0
2    2.0
3    2.0
4    4.0
dtype: float64

Series.apply现在将对应用函数的返回值进行操作，该值本身就是一个序列，并且可能将结果向上转换为 DataFrame

In [11]: def f(x):
   ....:     return pd.Series([x, x ** 2], index=["x", "x^2"])
   ....: 

In [12]: s = pd.Series(np.random.rand(5))

In [13]: s
Out[13]: 
0    0.340445
1    0.984729
2    0.919540
3    0.037772
4    0.861549
dtype: float64

In [14]: s.apply(f)
Out[14]: 
          x       x^2
0  0.340445  0.115903
1  0.984729  0.969691
2  0.919540  0.845555
3  0.037772  0.001427
4  0.861549  0.742267

用于使用 pandas 选项的新 API 函数 ( GH 2097 )：
- get_option/ set_option- 获取/设置选项的值。接受部分名称。 - reset_option- 将一个或多个选项重置为其默认值。接受部分名称。 --describe_option打印一个或多个选项的描述。当不带参数调用时。打印所有已注册的选项。
注意：set_printoptions/reset_printoptions现已弃用（但有效），打印选项现在位于“display.XYZ”下。例如：
```
In [15]: pd.get_option("display.max_rows")
Out[15]: 15
```
to_string() 方法现在始终返回 unicode 字符串 ( GH 2224 )。

新功能＃

宽数据帧打印#

pandas 现在默认将字符串表示形式拆分为多行，而不是打印摘要信息：

In [16]: wide_frame = pd.DataFrame(np.random.randn(5, 16))

In [17]: wide_frame
Out[17]: 
         0         1         2   ...        13        14        15
0 -0.548702  1.467327 -1.015962  ...  1.669052  1.037882 -1.705775
1 -0.919854 -0.042379  1.247642  ...  1.956030  0.017587 -0.016692
2 -0.575247  0.254161 -1.143704  ...  1.211526  0.268520  0.024580
3 -1.577585  0.396823 -0.105381  ...  0.593616  0.884345  1.591431
4  0.141809  0.220390  0.435589  ... -0.392670  0.007207  1.928123

[5 rows x 16 columns]

打印摘要信息的旧行为可以通过“expand_frame_repr”打印选项来实现：

In [18]: pd.set_option("expand_frame_repr", False)

In [19]: wide_frame
Out[19]: 
         0         1         2         3         4         5         6         7         8         9         10        11        12        13        14        15
0 -0.548702  1.467327 -1.015962 -0.483075  1.637550 -1.217659 -0.291519 -1.745505 -0.263952  0.991460 -0.919069  0.266046 -0.709661  1.669052  1.037882 -1.705775
1 -0.919854 -0.042379  1.247642 -0.009920  0.290213  0.495767  0.362949  1.548106 -1.131345 -0.089329  0.337863 -0.945867 -0.932132  1.956030  0.017587 -0.016692
2 -0.575247  0.254161 -1.143704  0.215897  1.193555 -0.077118 -0.408530 -0.862495  1.346061  1.511763  1.627081 -0.990582 -0.441652  1.211526  0.268520  0.024580
3 -1.577585  0.396823 -0.105381 -0.532532  1.453749  1.208843 -0.080952 -0.264610 -0.727965 -0.589346  0.339969 -0.693205 -0.339355  0.593616  0.884345  1.591431
4  0.141809  0.220390  0.435589  0.192451 -0.096701  0.803351  1.715071 -0.708758 -1.202872 -1.814470  1.018601 -0.595447  1.395433 -0.392670  0.007207  1.928123

每条线的宽度可以通过 'line_width' 更改（默认为 80）：

pd.set_option("line_width", 40)

wide_frame

更新了 PyTables 支持#

PyTables 格式的文档Table以及 API 的多项增强功能。以下是我们所期待的。

In [41]: store = pd.HDFStore('store.h5')

In [42]: df = pd.DataFrame(np.random.randn(8, 3),
   ....:                   index=pd.date_range('1/1/2000', periods=8),
   ....:                   columns=['A', 'B', 'C'])

In [43]: df
Out[43]:
                   A         B         C
2000-01-01 -2.036047  0.000830 -0.955697
2000-01-02 -0.898872 -0.725411  0.059904
2000-01-03 -0.449644  1.082900 -1.221265
2000-01-04  0.361078  1.330704  0.855932
2000-01-05 -1.216718  1.488887  0.018993
2000-01-06 -0.877046  0.045976  0.437274
2000-01-07 -0.567182 -0.888657 -0.556383
2000-01-08  0.655457  1.117949 -2.782376

[8 rows x 3 columns]

# appending data frames
In [44]: df1 = df[0:4]

In [45]: df2 = df[4:]

In [46]: store.append('df', df1)

In [47]: store.append('df', df2)

In [48]: store
Out[48]:
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/df            frame_table  (typ->appendable,nrows->8,ncols->3,indexers->[index])

# selecting the entire store
In [49]: store.select('df')
Out[49]:
                   A         B         C
2000-01-01 -2.036047  0.000830 -0.955697
2000-01-02 -0.898872 -0.725411  0.059904
2000-01-03 -0.449644  1.082900 -1.221265
2000-01-04  0.361078  1.330704  0.855932
2000-01-05 -1.216718  1.488887  0.018993
2000-01-06 -0.877046  0.045976  0.437274
2000-01-07 -0.567182 -0.888657 -0.556383
2000-01-08  0.655457  1.117949 -2.782376

[8 rows x 3 columns]

In [50]: wp = pd.Panel(np.random.randn(2, 5, 4), items=['Item1', 'Item2'],
   ....:               major_axis=pd.date_range('1/1/2000', periods=5),
   ....:               minor_axis=['A', 'B', 'C', 'D'])

In [51]: wp
Out[51]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 5 (major_axis) x 4 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2000-01-01 00:00:00 to 2000-01-05 00:00:00
Minor_axis axis: A to D

# storing a panel
In [52]: store.append('wp', wp)

# selecting via A QUERY
In [53]: store.select('wp', [pd.Term('major_axis>20000102'),
   ....:                     pd.Term('minor_axis', '=', ['A', 'B'])])
   ....:
Out[53]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 3 (major_axis) x 2 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2000-01-03 00:00:00 to 2000-01-05 00:00:00
Minor_axis axis: A to B

# removing data from tables
In [54]: store.remove('wp', pd.Term('major_axis>20000103'))
Out[54]: 8

In [55]: store.select('wp')
Out[55]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 3 (major_axis) x 4 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2000-01-01 00:00:00 to 2000-01-03 00:00:00
Minor_axis axis: A to D

# deleting a store
In [56]: del store['df']

In [57]: store
Out[57]:
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/wp            wide_table   (typ->appendable,nrows->12,ncols->2,indexers->[major_axis,minor_axis])

增强功能

添加了分层键的功能

In [58]: store.put('foo/bar/bah', df)

In [59]: store.append('food/orange', df)

In [60]: store.append('food/apple', df)

In [61]: store
Out[61]:
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/foo/bar/bah            frame        (shape->[8,3])
/food/apple             frame_table  (typ->appendable,nrows->8,ncols->3,indexers->[index])
/food/orange            frame_table  (typ->appendable,nrows->8,ncols->3,indexers->[index])
/wp                     wide_table   (typ->appendable,nrows->12,ncols->2,indexers->[major_axis,minor_axis])

# remove all nodes under this level
In [62]: store.remove('food')

In [63]: store
Out[63]:
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/foo/bar/bah            frame        (shape->[8,3])
/wp                     wide_table   (typ->appendable,nrows->12,ncols->2,indexers->[major_axis,minor_axis])

添加了混合数据类型支持！

In [64]: df['string'] = 'string'

In [65]: df['int'] = 1

In [66]: store.append('df', df)

In [67]: df1 = store.select('df')

In [68]: df1
Out[68]:
                   A         B         C  string  int
2000-01-01 -2.036047  0.000830 -0.955697  string    1
2000-01-02 -0.898872 -0.725411  0.059904  string    1
2000-01-03 -0.449644  1.082900 -1.221265  string    1
2000-01-04  0.361078  1.330704  0.855932  string    1
2000-01-05 -1.216718  1.488887  0.018993  string    1
2000-01-06 -0.877046  0.045976  0.437274  string    1
2000-01-07 -0.567182 -0.888657 -0.556383  string    1
2000-01-08  0.655457  1.117949 -2.782376  string    1

[8 rows x 5 columns]

In [69]: df1.get_dtype_counts()
Out[69]:
float64    3
int64      1
object     1
dtype: int64

表写入的性能改进
支持任意索引维度
SparseSeries现在拥有density房产（GH 2384）
启用Series.str.strip/lstrip/rstrip方法采用输入参数来go除任意字符（GH 2411）
实现限制某些列的值并添加到 pandas 命名空间（GH 2412value_vars）meltmelt

Bug修复

添加了Term指定 where 条件的方法（GH 1996）。
del store['df']现在store.remove('df')要求删除商店
删除连续行比以前快得多
min_itemsize可以在表创建时指定参数以强制索引列的最小大小（以前的实现将根据第一个追加设置列大小）
通过索引支持create_table_index（需要 PyTables >= 2.3）（GH 698）。
如果表不是通过以下方式首先创建的，则追加到存储上将会失败put
修复了加载腌制数据帧后缺少属性的问题（GH2431）
对选择和删除的细微更改：仅当还提供了 where 时才需要一个表（而不是无）

兼容性

0.10HDFStore向后兼容读取先前版本的 pandas 创建的表，但是不支持使用先前（未记录）方法的查询项。您必须读入整个文件并使用新格式将其写出才能利用更新。

N 维面板（实验）#

添加对 Panel4D 和工厂函数的实验性支持，以创建 n 维命名面板。以下是我们所期待的。

In [58]: p4d = Panel4D(np.random.randn(2, 2, 5, 4),
  ....:       labels=['Label1','Label2'],
  ....:       items=['Item1', 'Item2'],
  ....:       major_axis=date_range('1/1/2000', periods=5),
  ....:       minor_axis=['A', 'B', 'C', 'D'])
  ....:

In [59]: p4d
Out[59]:
<class 'pandas.core.panelnd.Panel4D'>
Dimensions: 2 (labels) x 2 (items) x 5 (major_axis) x 4 (minor_axis)
Labels axis: Label1 to Label2
Items axis: Item1 to Item2
Major_axis axis: 2000-01-01 00:00:00 to 2000-01-05 00:00:00
Minor_axis axis: A to D

请参阅GitHub 上的完整发行说明或问题跟踪器以获取完整列表。

贡献者#

共有 26 人为此版本贡献了补丁。名字带有“+”的人首次贡献了补丁。

A.弗拉克斯曼 +
亚伯拉罕·弗拉克斯曼
亚当·奥本 +
布伦达·穆恩 +
常社
克里斯·穆里根 +
迪特·范登布斯切
唐纳德·柯蒂斯 +
杰·布尔克 +
杰夫·雷巴克 +
贾斯汀·C·约翰逊 +
K.-迈克尔·埃伊
基思·休吉特 +
肯·范·哈伦 +
洛朗·戈蒂埃 +
卢克·李 +
马丁·布莱斯
托拜厄斯·勃兰特 +
韦斯·麦金尼
沃特·奥弗迈尔
亚历克斯·阿塞诺维奇 +
杰瑞贝克+
洛科杰德夫 +
蒂米
yp
扎克·鲍尔斯 +