版本 0.9.1（2012 年 11 月 14 日）#

这是 0.9.0 版本的错误修复版本，包含多项新功能和增强功能以​​及大量错误修复。新功能包括 DataFrame 和 Series 的按列排序顺序、改进的排序方法 NA 处理、DataFrame 的屏蔽函数以及 DataFrame 的日内时间序列过滤。

新功能＃

  • Series.sort、DataFrame.sort、DataFrame.sort_index现在可以以每列的方式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现在支持参数的附加参数值， na_option因此可以为缺失值分配最大或最小等级（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方法来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 内部[]）。返回的 DataFrame 具有与原始 DataFrame 相同的列数，但在其索引上进行了切片。

    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

    如果使用基于 DataFrame 的布尔条件（与原始 DataFrame 大小相同）对 DataFrame 进行切片，则返回与原始大小（索引和列）相同的 DataFrame，其中不满足布尔条件的元素为NaN。这是通过新方法完成的DataFrame.where。此外，还where需要一个可选other参数进行替换。

    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现在对齐输入布尔条件（ndarray 或 DataFrame），以便可以通过设置进行部分选择。这类似于通过部分设置.ix（但在内容而不是轴标签上）

    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 的逆布尔运算where。

    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

  • 启用通过列名称引用 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')

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

  • 现有的 TimeSeries 方法at_time并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 更改#

  • 使用PeriodIndex对数据进行上采样将产生跨越原始时间窗口的更高频率的TimeSeries

    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')

  • 对于指定了自定义转换器的列，文件解析器不再强制为 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

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 11 人为此版本贡献了补丁。名字带有“+”的人首次贡献了补丁。

  • 布伦达·穆恩 +

  • 常社

  • 杰夫·雷巴克 +

  • 贾斯汀·C·约翰逊 +

  • K.-迈克尔·埃伊

  • 马丁·布莱斯

  • 托拜厄斯·勃兰特 +

  • 韦斯·麦金尼

  • 沃特·奥弗迈尔

  • 蒂米

  • yp