版本 0.11.0 (2013 年 4 月 22 日)#
这是继 0.10.1 之后的一个主要版本，包含许多新功能、增强功能以及大量错误修复。数据选择方法增加了许多新功能，Dtype 支持也已成熟。此外还有一些重要的 API 更改，pandas 的老用户应密切关注。
文档中新增了一个章节，10 分钟入门 Pandas，主要面向新用户。
文档中新增了一个章节，Cookbook（菜谱），汇集了 pandas 中一些实用的技巧（欢迎贡献！）。
现在有一些库被列为推荐依赖项
选择方法#
从 0.11.0 版本开始，对象选择新增了一些用户请求的功能，以支持更明确的基于位置的索引。pandas 现在支持三种多轴索引方式。
.loc严格基于标签，找不到项目时会引发KeyError，允许的输入包括：单个标签，例如
5或'a'（请注意，5在此被解释为索引的一个标签。此用法**不是**索引上的整数位置）标签列表或数组，例如
['a', 'b', 'c']带标签的切片对象，例如
'a':'f'（请注意，与通常的 python 切片不同，**起始和结束**都包含在内！）布尔数组
更多详情请参阅按标签选择
.iloc严格基于整数位置（从轴的0到length-1），当请求的索引超出范围时会引发IndexError。允许的输入包括：一个整数，例如
5整数列表或数组，例如
[4, 3, 0]带整数的切片对象，例如
1:7布尔数组
更多详情请参阅按位置选择
.ix支持整数和标签混合访问。它主要基于标签，但会回退到整数位置访问。.ix是最通用的，支持.loc和.iloc的任何输入，以及浮点标签方案。处理混合位置和标签的分层索引时，.ix尤其有用。由于使用整数切片与
.ix时，其行为会根据切片是基于位置还是基于标签解释而有所不同，通常最好明确使用.iloc或.loc。
选择方法弃用#
从 0.11.0 版本开始，这些方法在未来版本中*可能*被弃用。
irowicoliget_value
请参阅按位置选择章节以查找替代方法。
数据类型#
数值型数据类型 (numeric dtypes) 会传播，并可在 DataFrame 中共存。如果传入了数据类型（通过 dtype 关键字直接指定、传入 ndarray 或传入 Series），那么它将在 DataFrame 操作中保留。此外，不同的数值型数据类型**不会**合并。下面的示例将为您提供一个初步了解。
In [1]: df1 = pd.DataFrame(np.random.randn(8, 1), columns=['A'], dtype='float32')
In [2]: df1
Out[2]:
A
0 0.469112
1 -0.282863
2 -1.509058
3 -1.135632
4 1.212112
5 -0.173215
6 0.119209
7 -1.044236
In [3]: df1.dtypes
Out[3]:
A float32
dtype: object
In [4]: df2 = pd.DataFrame({'A': pd.Series(np.random.randn(8), dtype='float16'),
...: 'B': pd.Series(np.random.randn(8)),
...: 'C': pd.Series(range(8), dtype='uint8')})
...:
In [5]: df2
Out[5]:
A B C
0 -0.861816 -0.424972 0
1 -2.105469 0.567020 1
2 -0.494873 0.276232 2
3 1.072266 -1.087401 3
4 0.721680 -0.673690 4
5 -0.706543 0.113648 5
6 -1.040039 -1.478427 6
7 0.271973 0.524988 7
In [6]: df2.dtypes
Out[6]:
A float16
B float64
C uint8
dtype: object
# here you get some upcasting
In [7]: df3 = df1.reindex_like(df2).fillna(value=0.0) + df2
In [8]: df3
Out[8]:
A B C
0 -0.392704 -0.424972 0.0
1 -2.388332 0.567020 1.0
2 -2.003932 0.276232 2.0
3 -0.063367 -1.087401 3.0
4 1.933792 -0.673690 4.0
5 -0.879758 0.113648 5.0
6 -0.920830 -1.478427 6.0
7 -0.772263 0.524988 7.0
In [9]: df3.dtypes
Out[9]:
A float32
B float64
C float64
dtype: object
数据类型转换#
这是最低公分母向上转型，意味着您将获得可以容纳所有类型的数据类型
In [10]: df3.values.dtype
Out[10]: dtype('float64')
转换
In [11]: df3.astype('float32').dtypes
Out[11]:
A float32
B float32
C float32
dtype: object
混合转换
In [12]: df3['D'] = '1.'
In [13]: df3['E'] = '1'
In [14]: df3.convert_objects(convert_numeric=True).dtypes
Out[14]:
A float32
B float64
C float64
D float64
E int64
dtype: object
# same, but specific dtype conversion
In [15]: df3['D'] = df3['D'].astype('float16')
In [16]: df3['E'] = df3['E'].astype('int32')
In [17]: df3.dtypes
Out[17]:
A float32
B float64
C float64
D float16
E int32
dtype: object
强制日期类型转换（非日期类型时设为 NaT）
In [18]: import datetime
In [19]: s = pd.Series([datetime.datetime(2001, 1, 1, 0, 0), 'foo', 1.0, 1,
....: pd.Timestamp('20010104'), '20010105'], dtype='O')
....:
In [20]: s.convert_objects(convert_dates='coerce')
Out[20]:
0 2001-01-01
1 NaT
2 NaT
3 NaT
4 2001-01-04
5 2001-01-05
dtype: datetime64[ns]
数据类型注意事项#
平台注意事项
从 0.11.0 版本开始，构造 DataFrame/Series 时将使用默认数据类型 int64 和 float64，**无论平台如何**。这与早期版本的 pandas 没有明显变化。但是，如果您指定了数据类型，它们**将**被遵守 (GH 2837)
以下都将导致 int64 数据类型
In [21]: pd.DataFrame([1, 2], columns=['a']).dtypes
Out[21]:
a int64
dtype: object
In [22]: pd.DataFrame({'a': [1, 2]}).dtypes
Out[22]:
a int64
dtype: object
In [23]: pd.DataFrame({'a': 1}, index=range(2)).dtypes
Out[23]:
a int64
dtype: object
请记住，DataFrame(np.array([1,2])) 在 32 位平台上**将**导致 int32 数据类型！
向上转型注意事项
对整数类型数据执行索引操作很容易导致数据向上转型。在不引入 nans 值的情况下，输入数据的数据类型将得到保留。
In [24]: dfi = df3.astype('int32')
In [25]: dfi['D'] = dfi['D'].astype('int64')
In [26]: dfi
Out[26]:
A B C D E
0 0 0 0 1 1
1 -2 0 1 1 1
2 -2 0 2 1 1
3 0 -1 3 1 1
4 1 0 4 1 1
5 0 0 5 1 1
6 0 -1 6 1 1
7 0 0 7 1 1
In [27]: dfi.dtypes
Out[27]:
A int32
B int32
C int32
D int64
E int32
dtype: object
In [28]: casted = dfi[dfi > 0]
In [29]: casted
Out[29]:
A B C D E
0 NaN NaN NaN 1 1
1 NaN NaN 1.0 1 1
2 NaN NaN 2.0 1 1
3 NaN NaN 3.0 1 1
4 1.0 NaN 4.0 1 1
5 NaN NaN 5.0 1 1
6 NaN NaN 6.0 1 1
7 NaN NaN 7.0 1 1
In [30]: casted.dtypes
Out[30]:
A float64
B float64
C float64
D int64
E int32
dtype: object
而浮点数据类型则不变。
In [31]: df4 = df3.copy()
In [32]: df4['A'] = df4['A'].astype('float32')
In [33]: df4.dtypes
Out[33]:
A float32
B float64
C float64
D float16
E int32
dtype: object
In [34]: casted = df4[df4 > 0]
In [35]: casted
Out[35]:
A B C D E
0 NaN NaN NaN 1.0 1
1 NaN 0.567020 1.0 1.0 1
2 NaN 0.276232 2.0 1.0 1
3 NaN NaN 3.0 1.0 1
4 1.933792 NaN 4.0 1.0 1
5 NaN 0.113648 5.0 1.0 1
6 NaN NaN 6.0 1.0 1
7 NaN 0.524988 7.0 1.0 1
In [36]: casted.dtypes
Out[36]:
A float32
B float64
C float64
D float16
E int32
dtype: object
日期时间转换#
DataFrame（或 Series）中的 Datetime64[ns] 列除了传统的 NaT（非时间）外，还允许使用 np.nan 表示 nan 值。这使得以通用方式方便地设置 nan 值成为可能。此外，当传入类日期时间对象时，默认会创建 datetime64[ns] 列（此更改在 0.10.1 版本引入）(GH 2809, GH 2810)
In [12]: df = pd.DataFrame(np.random.randn(6, 2), pd.date_range('20010102', periods=6),
....: columns=['A', ' B'])
....:
In [13]: df['timestamp'] = pd.Timestamp('20010103')
In [14]: df
Out[14]:
A B timestamp
2001-01-02 0.404705 0.577046 2001-01-03
2001-01-03 -1.715002 -1.039268 2001-01-03
2001-01-04 -0.370647 -1.157892 2001-01-03
2001-01-05 -1.344312 0.844885 2001-01-03
2001-01-06 1.075770 -0.109050 2001-01-03
2001-01-07 1.643563 -1.469388 2001-01-03
# datetime64[ns] out of the box
In [15]: df.dtypes.value_counts()
Out[15]:
float64 2
datetime64[s] 1
Name: count, dtype: int64
# use the traditional nan, which is mapped to NaT internally
In [16]: df.loc[df.index[2:4], ['A', 'timestamp']] = np.nan
In [17]: df
Out[17]:
A B timestamp
2001-01-02 0.404705 0.577046 2001-01-03
2001-01-03 -1.715002 -1.039268 2001-01-03
2001-01-04 NaN -1.157892 NaT
2001-01-05 NaN 0.844885 NaT
2001-01-06 1.075770 -0.109050 2001-01-03
2001-01-07 1.643563 -1.469388 2001-01-03
将 datetime64[ns] 通过 astype 转换为 object 时，会将 NaT 隐式转换为 np.nan
In [18]: import datetime
In [19]: s = pd.Series([datetime.datetime(2001, 1, 2, 0, 0) for i in range(3)])
In [20]: s.dtype
Out[20]: dtype('<M8[ns]')
In [21]: s[1] = np.nan
In [22]: s
Out[22]:
0 2001-01-02
1 NaT
2 2001-01-02
dtype: datetime64[ns]
In [23]: s.dtype
Out[23]: dtype('<M8[ns]')
In [24]: s = s.astype('O')
In [25]: s
Out[25]:
0 2001-01-02 00:00:00
1 NaT
2 2001-01-02 00:00:00
dtype: object
In [26]: s.dtype
Out[26]: dtype('O')
API 变更#
为索引添加了
to_series()方法，以便于创建索引器 (GH 3275)
HDFStore
添加了
select_column方法，用于从表中选择单列作为 Series。弃用了
unique方法，可通过select_column(key,column).unique()实现相同功能
append方法的min_itemsize参数现在将自动为传入的键创建data_columns
增强功能#
在某些情况下，
df.to_csv()的性能提升了高达 10 倍。(GH 3059)Numexpr 现在是推荐依赖项，用于加速某些类型的数值和布尔运算
Bottleneck 现在是推荐依赖项，用于加速某些类型的
nan操作
HDFStore
支持类似于
read_csv/to_csv的read_hdf/to_hdfAPIIn [27]: df = pd.DataFrame({'A': range(5), 'B': range(5)}) In [28]: df.to_hdf('store.h5', key='table', append=True) In [29]: pd.read_hdf('store.h5', 'table', where=['index > 2']) Out[29]: A B 3 3 3 4 4 4提供通过点号访问 store 的
get方法，例如store.df == store['df']提供了新的关键字
iterator=boolean和chunksize=number_in_a_chunk，以支持对select和select_as_multiple进行迭代 (GH 3076)现在可以从无序时间序列中选择时间戳，与有序时间序列类似 (GH 2437)
现在可以从带有类日期索引的 DataFrame 中使用字符串进行选择，类似于 Series (GH 3070)
In [30]: idx = pd.date_range("2001-10-1", periods=5, freq='M') In [31]: ts = pd.Series(np.random.rand(len(idx)), index=idx) In [32]: ts['2001'] Out[32]: 2001-10-31 0.117967 2001-11-30 0.702184 2001-12-31 0.414034 Freq: M, dtype: float64 In [33]: df = pd.DataFrame({'A': ts}) In [34]: df['2001'] Out[34]: A 2001-10-31 0.117967 2001-11-30 0.702184 2001-12-31 0.414034
Squeeze可能移除对象的长度为 1 的维度。>>> p = pd.Panel(np.random.randn(3, 4, 4), items=['ItemA', 'ItemB', 'ItemC'], ... major_axis=pd.date_range('20010102', periods=4), ... minor_axis=['A', 'B', 'C', 'D']) >>> p <class 'pandas.core.panel.Panel'> Dimensions: 3 (items) x 4 (major_axis) x 4 (minor_axis) Items axis: ItemA to ItemC Major_axis axis: 2001-01-02 00:00:00 to 2001-01-05 00:00:00 Minor_axis axis: A to D >>> p.reindex(items=['ItemA']).squeeze() A B C D 2001-01-02 0.926089 -2.026458 0.501277 -0.204683 2001-01-03 -0.076524 1.081161 1.141361 0.479243 2001-01-04 0.641817 -0.185352 1.824568 0.809152 2001-01-05 0.575237 0.669934 1.398014 -0.399338 >>> p.reindex(items=['ItemA'], minor=['B']).squeeze() 2001-01-02 -2.026458 2001-01-03 1.081161 2001-01-04 -0.185352 2001-01-05 0.669934 Freq: D, Name: B, dtype: float64在
pd.io.data.Options中，
修复了尝试获取当前月份数据时，如果已过到期日期则出现的错误。
现在使用 lxml 而不是 BeautifulSoup 来抓取 html (lxml 速度更快)。
当调用创建 calls 和 puts 的方法时，会自动创建新的实例变量。对于当前月份，实例变量只是
calls和puts。对于未来到期月份，实例变量保存为callsMMYY或putsMMYY，其中MMYY分别是期权的到期月份和年份。
Options.get_near_stock_price现在允许用户指定获取相关期权数据的月份。
Options.get_forward_data现在包含可选的 kwargsnear和above_below。这允许用户指定是否只返回接近当前股价的期权的前瞻性数据。这只是从 Options.get_near_stock_price 获取数据，而不是 Options.get_xxx_data() (GH 2758)。时间序列图中现在显示光标坐标信息。
添加了选项
display.max_seq_items，用于控制每个序列 pretty-print 时打印的元素数量。(GH 2979)添加了选项
display.chop_threshold，用于控制微小数值的显示。(GH 2739)添加了选项
display.max_info_rows，以防止对行数超过 1M 的 frame 计算 verbose_info（可配置）。(GH 2807, GH 2918)
value_counts()现在接受“normalize”参数，用于标准化直方图。(GH 2710)。
DataFrame.from_records现在不仅接受 dict，还接受 collections.Mapping ABC 的任何实例。添加了选项
display.mpl_style，为绘图提供更简洁的视觉风格。基于 https://gist.github.com/huyng/816622 (GH 3075)。在数值运算中将布尔值视为整数（值 1 和 0）。(GH 2641)
to_html()现在接受可选的“escape”参数，用于控制保留 HTML 字符转义（默认为启用），并除了<和>之外，还转义&。(GH 2919)
完整列表请参阅完整的发布说明或 GitHub 上的问题跟踪器。
贡献者#
共有 50 人为本次发布贡献了补丁。名字旁带有“+”的人是首次贡献补丁。
Adam Greenhall +
Alvaro Tejero-Cantero +
Andy Hayden
Brad Buran +
Chang She
Chapman Siu +
Chris Withers +
Christian Geier +
Christopher Whelan
Damien Garaud
Dan Birken
Dan Davison +
Dieter Vandenbussche
Dražen Lučanin +
Dražen Lučanin +
Garrett Drapala
Illia Polosukhin +
James Casbon +
Jeff Reback
Jeremy Wagner +
Jonathan Chambers +
K.-Michael Aye
Karmel Allison +
Loïc Estève +
Nicholaus E. Halecky +
Peter Prettenhofer +
Phillip Cloud +
Robert Gieseke +
Skipper Seabold
Spencer Lyon
Stephen Lin +
Thierry Moisan +
Thomas Kluyver
Tim Akinbo +
Vytautas Jancauskas
Vytautas Jančauskas +
Wes McKinney
Will Furnass +
Wouter Overmeire
anomrake +
davidjameshumphreys +
dengemann +
dieterv77 +
jreback
lexual +
stephenwlin +
thauck +
vytas +
waitingkuo +
y-p