版本 0.14.0 (2014年5月31日)#

这是 0.13.1 的一个主要版本，包含少量 API 更改、一些新功能、增强和性能改进，以及大量的错误修复。我们建议所有用户升级到此版本。

警告

在 0.14.0 版本中，所有基于 NDFrame 的容器都经历了重大的内部重构。在此之前，每个同质数据块都有自己的标签，需要额外小心以使其与父容器的标签保持同步。这不应该带来任何可见的用户/API 行为更改 (GH 6745)

API 更改#

  • read_excel 使用 0 作为默认工作表 (GH 6573)

  • iloc 现在将接受超出边界的切片索引器，例如，超出被索引对象长度的值。这些值将被排除。这将使 pandas 更符合 python/numpy 对超出边界值的索引行为。单个超出边界且导致对象维度丢失的索引器仍将引发 IndexError (GH 6296, GH 6299)。这可能导致返回一个空轴 (例如，一个空的 DataFrame)。

    In [1]: dfl = pd.DataFrame(np.random.randn(5, 2), columns=list('AB'))

In [2]: dfl
Out[2]: 
          A         B
0  0.469112 -0.282863
1 -1.509059 -1.135632
2  1.212112 -0.173215
3  0.119209 -1.044236
4 -0.861849 -2.104569

[5 rows x 2 columns]

In [3]: dfl.iloc[:, 2:3]
Out[3]: 
Empty DataFrame
Columns: []
Index: [0, 1, 2, 3, 4]

[5 rows x 0 columns]

In [4]: dfl.iloc[:, 1:3]
Out[4]: 
          B
0 -0.282863
1 -1.135632
2 -0.173215
3 -1.044236
4 -2.104569

[5 rows x 1 columns]

In [5]: dfl.iloc[4:6]
Out[5]: 
          A         B
4 -0.861849 -2.104569

[1 rows x 2 columns]

    这些是超出边界的选择

    >>> dfl.iloc[[4, 5, 6]]
IndexError: positional indexers are out-of-bounds

>>> dfl.iloc[:, 4]
IndexError: single positional indexer is out-of-bounds

  • 使用负数起始、停止和步长值进行切片，可以更好地处理边界情况 (GH 6531)

    • df.iloc[:-len(df)] 现在为空

    • df.iloc[len(df)::-1] 现在按逆序枚举所有元素

  • 在 DataFrame.interpolate() 的关键字参数 downcast 的默认值已从 infer 更改为 None。这是为了保留原始数据类型，除非明确要求更改 (GH 6290)。

  • 将 DataFrame 转换为 HTML 时，以前会返回 Empty DataFrame。此特殊情况已被移除，现在返回一个包含列名的标题 (GH 6062)。

  • Series 和 Index 现在内部共享更多常见操作，例如 factorize(),nunique(),value_counts() 现在也支持 Index 类型。为了 API 一致性，Series.weekday 属性已从 Series 中移除。现在在 Series 上使用 DatetimeIndex/PeriodIndex 方法将引发 TypeError。(GH 4551, GH 4056, GH 5519, GH 6380, GH 7206)。

  • 为 DateTimeIndex / Timestamp 添加 is_month_start, is_month_end, is_quarter_start, is_quarter_end, is_year_start, is_year_end 访问器，它们返回一个布尔数组，指示时间戳是否位于由 DateTimeIndex / Timestamp 频率定义的月/季度/年的开始/结束 (GH 4565, GH 6998)

  • 局部变量在 pandas.eval()/DataFrame.eval()/DataFrame.query() 中的用法已更改 (GH 5987)。对于 DataFrame 方法，有两处更改：

    • 列名现在优先于局部变量

    • 局部变量必须显式引用。这意味着即使你有一个不是列的局部变量，你仍然必须使用 '@' 前缀来引用它。

    • 你可以使用诸如 df.query('@a < a') 这样的表达式，pandas 不会抱怨名称 a 的歧义。

    • 顶层的 pandas.eval() 函数不允许使用 '@' 前缀，并会提供错误消息告知你这一点。

    • NameResolutionError 已被移除，因为它不再需要。

  • 定义并文档化 query/eval 中列名与索引名的顺序 (GH 6676)

  • concat 现在将使用 Series 名称或根据需要对列进行编号来连接混合的 Series 和 DataFrame (GH 2385)。请参阅文档。

  • 对 Index 类进行的切片和高级/布尔索引操作，以及 Index.delete() 和 Index.drop() 方法，将不再改变结果索引的类型 (GH 6440, GH 7040)

    In [6]: i = pd.Index([1, 2, 3, 'a', 'b', 'c'])

In [7]: i[[0, 1, 2]]
Out[7]: Index([1, 2, 3], dtype='object')

In [8]: i.drop(['a', 'b', 'c'])
Out[8]: Index([1, 2, 3], dtype='object')

    以前，上述操作会返回 Int64Index。如果你想手动执行此操作，请使用 Index.astype()

    In [9]: i[[0, 1, 2]].astype(np.int_)
Out[9]: Index([1, 2, 3], dtype='int64')

  • set_index 不再将 MultiIndex 转换为元组的 Index。例如，旧的行为在这种情况下会返回一个 Index (GH 6459)

    # Old behavior, casted MultiIndex to an Index
In [10]: tuple_ind
Out[10]: Index([('a', 'c'), ('a', 'd'), ('b', 'c'), ('b', 'd')], dtype='object')

In [11]: df_multi.set_index(tuple_ind)
Out[11]: 
               0         1
(a, c)  0.471435 -1.190976
(a, d)  1.432707 -0.312652
(b, c) -0.720589  0.887163
(b, d)  0.859588 -0.636524

[4 rows x 2 columns]

# New behavior
In [12]: mi
Out[12]: 
MultiIndex([('a', 'c'),
            ('a', 'd'),
            ('b', 'c'),
            ('b', 'd')],
           )

In [13]: df_multi.set_index(mi)
Out[13]: 
            0         1
a c  0.471435 -1.190976
  d  1.432707 -0.312652
b c -0.720589  0.887163
  d  0.859588 -0.636524

[4 rows x 2 columns]

    当向 set_index 传递多个索引时，此规则也适用

    # Old output, 2-level MultiIndex of tuples
In [14]: df_multi.set_index([df_multi.index, df_multi.index])
Out[14]: 
                      0         1
(a, c) (a, c)  0.471435 -1.190976
(a, d) (a, d)  1.432707 -0.312652
(b, c) (b, c) -0.720589  0.887163
(b, d) (b, d)  0.859588 -0.636524

[4 rows x 2 columns]

# New output, 4-level MultiIndex
In [15]: df_multi.set_index([df_multi.index, df_multi.index])
Out[15]: 
                0         1
a c a c  0.471435 -1.190976
  d a d  1.432707 -0.312652
b c b c -0.720589  0.887163
  d b d  0.859588 -0.636524

[4 rows x 2 columns]

  • 统计矩函数 rolling_cov, rolling_corr, ewmcov, ewmcorr, expanding_cov, expanding_corr 中添加了 pairwise 关键字，以允许计算移动窗口协方差和相关矩阵 (GH 4950)。请参阅文档中的计算滚动成对协方差和相关性。

    In [1]: df = pd.DataFrame(np.random.randn(10, 4), columns=list('ABCD'))

In [4]: covs = pd.rolling_cov(df[['A', 'B', 'C']],
  ....:                       df[['B', 'C', 'D']],
  ....:                       5,
  ....:                       pairwise=True)


In [5]: covs[df.index[-1]]
Out[5]:
          B         C         D
A  0.035310  0.326593 -0.505430
B  0.137748 -0.006888 -0.005383
C -0.006888  0.861040  0.020762

  • Series.iteritems() 现在是惰性的（返回一个迭代器而不是列表）。这在 0.14 版本之前是文档中记载的行为。( GH 6760)

  • 为 Index 添加了 nunique 和 value_counts 函数，用于计数唯一元素。(GH 6734)

  • 当 level 关键字引用 Index 中非唯一项时，stack 和 unstack 现在会引发 ValueError（以前引发 KeyError）。(GH 6738)

  • 从 Series.sort 中移除未使用的 order 参数；现在参数顺序与 Series.order 相同；添加 na_position 参数以符合 Series.order (GH 6847)

  • Series.order 的默认排序算法现在是 quicksort，以与 Series.sort (和 numpy 默认值) 保持一致

  • 为 Series.order/sort 添加 inplace 关键字，使其成为互逆操作 (GH 6859)

  • DataFrame.sort 现在根据 na_position 参数将 NaNs 放置在排序的开头或结尾。(GH 3917)

  • 在 concat 中接受 TextFileReader，这影响了一个常见的用户习惯用法 (GH 6583)，这是 0.13.1 版本的一个回归。

  • 为 Index 和 Series 添加了 factorize 函数，以获取索引器和唯一值 (GH 7090)

  • 对包含 Timestamp 和字符串类对象的 DataFrame 执行 describe 会返回不同的 Index (GH 7088)。以前索引会被无意中排序。

  • 现在，仅包含 bool 数据类型的算术运算会发出警告，表明它们在 Python 空间中进行 +、- 和 * 运算，而对所有其他运算则会引发错误 (GH 7011, GH 6762, GH 7015, GH 7210)

    >>> x = pd.Series(np.random.rand(10) > 0.5)
>>> y = True
>>> x + y  # warning generated: should do x | y instead
UserWarning: evaluating in Python space because the '+' operator is not
supported by numexpr for the bool dtype, use '|' instead
>>> x / y  # this raises because it doesn't make sense
NotImplementedError: operator '/' not implemented for bool dtypes

  • 在 HDFStore 中，当找不到键或选择器时，select_as_multiple 将始终引发 KeyError (GH 6177)

  • df['col'] = value 和 df.loc[:,'col'] = value 现在完全等效；以前 .loc 不一定会强制转换结果 Series 的数据类型 (GH 6149)

  • dtypes 和 ftypes 现在在空容器上返回 dtype=object 的 Series (GH 5740)

  • 如果既未提供目标路径也未提供缓冲区，df.to_csv 现在将返回 CSV 数据的字符串表示 (GH 6061)

  • 如果给定无效的 Series/Index 类型，pd.infer_freq() 现在将引发 TypeError (GH 6407, GH 6463)

  • 传递给 DataFame.sort_index 的元组将被解释为索引的层级，而不是要求一个元组列表 (GH 4370)

  • 所有偏移操作现在都返回 Timestamp 类型（而不是 datetime），Business/Week 频率以前不正确 (GH 4069)

  • to_excel 现在将 np.inf 转换为字符串表示形式，可通过 inf_rep 关键字参数自定义（Excel 没有原生的 inf 表示形式）(GH 6782)

  • 将 pandas.compat.scipy.scoreatpercentile 替换为 numpy.percentile (GH 6810)

  • 对 datetime[ns] Series 执行 .quantile 现在返回 Timestamp 对象而不是 np.datetime64 对象 (GH 6810)

  • 对于传递给 concat 的无效类型，将 AssertionError 更改为 TypeError (GH 6583)

  • 当 DataFrame 的 data 参数传递迭代器时，引发 TypeError (GH 5357)

显示更改#

  • 打印大型 DataFrame 的默认方式已更改。超出 max_rows 和/或 max_columns 的 DataFrame 现在以居中截断视图显示，这与 pandas.Series 的打印方式一致 (GH 5603)。

    在以前的版本中，一旦达到维度限制，DataFrame 就会被截断，并且省略号 (…​) 表示数据的一部分被截断。

    The previous look of truncate.

    在当前版本中，大型 DataFrame 会居中截断，显示两个维度上的头部和尾部预览。

    The new look.

  • 允许 display.show_dimensions 使用选项 'truncate'，仅在 frame 被截断时显示维度 (GH 6547)。

    display.show_dimensions 的默认值现在将是 truncate。这与 Series 显示长度的方式一致。

    In [16]: dfd = pd.DataFrame(np.arange(25).reshape(-1, 5),
   ....:                    index=[0, 1, 2, 3, 4],
   ....:                    columns=[0, 1, 2, 3, 4])
   ....: 

# show dimensions since this is truncated
In [17]: with pd.option_context('display.max_rows', 2, 'display.max_columns', 2,
   ....:                        'display.show_dimensions', 'truncate'):
   ....:     print(dfd)
   ....: 
     0  ...   4
0    0  ...   4
..  ..  ...  ..
4   20  ...  24

[5 rows x 5 columns]

# will not show dimensions since it is not truncated
In [18]: with pd.option_context('display.max_rows', 10, 'display.max_columns', 40,
   ....:                        'display.show_dimensions', 'truncate'):
   ....:     print(dfd)
   ....: 
    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
3  15  16  17  18  19
4  20  21  22  23  24

  • 当 MultiIndexed Series 的 display.max_rows 小于 Series 长度时，显示出现回归 (GH 7101)

  • 修复了一个 bug，即当 large_repr 设置为 'info' 时，截断的 Series 或 DataFrame 的 HTML repr 未显示类名 (GH 7105)

  • DataFrame.info() 中的 verbose 关键字（控制是否缩短 info 表示形式）现在默认为 None。这将遵循 display.max_info_columns 中的全局设置。全局设置可以通过 verbose=True 或 verbose=False 覆盖。

  • 修复了一个 bug，即 info repr 未遵循 display.max_info_columns 设置 (GH 6939)

  • Offset/freq 信息现在在 Timestamp __repr__ 中 (GH 4553)

文本解析 API 更改#

read_csv()/read_table() 现在对无效选项会发出更多警告，而不是回退到 PythonParser。

  • 在 read_csv()/read_table() 中，当 sep 与 delim_whitespace=True 一起指定时，引发 ValueError (GH 6607)

  • 在 read_csv()/read_table() 中，当 engine='c' 与不支持的选项一起指定时，引发 ValueError (GH 6607)

  • 当回退到 python 解析器导致选项被忽略时，引发 ValueError (GH 6607)

  • 当回退到 python 解析器且没有选项被忽略时，产生 ParserWarning (GH 6607)

  • 如果未指定其他 C 不支持的选项，则在 read_csv()/read_table() 中将 sep='\s+' 转换为 delim_whitespace=True (GH 6607)

GroupBy API 更改#

某些 groupby 方法的行为更加一致

  • groupby 的 head 和 tail 现在更像是 filter 而不是聚合

    In [1]: df = pd.DataFrame([[1, 2], [1, 4], [5, 6]], columns=['A', 'B'])

In [2]: g = df.groupby('A')

In [3]: g.head(1)  # filters DataFrame
Out[3]:
   A  B
0  1  2
2  5  6

In [4]: g.apply(lambda x: x.head(1))  # used to simply fall-through
Out[4]:
     A  B
A
1 0  1  2
5 2  5  6

  • groupby head 和 tail 遵守列选择

    In [19]: g[['B']].head(1)
Out[19]:
   B
0  2
2  6

[2 rows x 1 columns]

  • groupby nth 现在默认进行缩减；通过传递 as_index=False 可以实现过滤。带有可选的 dropna 参数以忽略 NaN。请参阅文档。

    缩减

    In [19]: df = pd.DataFrame([[1, np.nan], [1, 4], [5, 6]], columns=['A', 'B'])

In [20]: g = df.groupby('A')

In [21]: g.nth(0)
Out[21]: 
   A    B
0  1  NaN
2  5  6.0

[2 rows x 2 columns]

# this is equivalent to g.first()
In [22]: g.nth(0, dropna='any')
Out[22]: 
   A    B
1  1  4.0
2  5  6.0

[2 rows x 2 columns]

# this is equivalent to g.last()
In [23]: g.nth(-1, dropna='any')
Out[23]: 
   A    B
1  1  4.0
2  5  6.0

[2 rows x 2 columns]

    过滤

    In [24]: gf = df.groupby('A', as_index=False)

In [25]: gf.nth(0)
Out[25]: 
   A    B
0  1  NaN
2  5  6.0

[2 rows x 2 columns]

In [26]: gf.nth(0, dropna='any')
Out[26]: 
   A    B
1  1  4.0
2  5  6.0

[2 rows x 2 columns]

  • 对于非 Cython 函数，groupby 现在将不再返回分组列 (GH 5610, GH 5614, GH 6732)，因为它已经是索引。

    In [27]: df = pd.DataFrame([[1, np.nan], [1, 4], [5, 6], [5, 8]], columns=['A', 'B'])

In [28]: g = df.groupby('A')

In [29]: g.count()
Out[29]: 
   B
A   
1  1
5  2

[2 rows x 1 columns]

In [30]: g.describe()
Out[30]: 
      B                                        
  count mean       std  min  25%  50%  75%  max
A                                              
1   1.0  4.0       NaN  4.0  4.0  4.0  4.0  4.0
5   2.0  7.0  1.414214  6.0  6.5  7.0  7.5  8.0

[2 rows x 8 columns]

  • 传递 as_index 将使分组列保持原位（这在 0.14.0 中没有改变）

    In [31]: df = pd.DataFrame([[1, np.nan], [1, 4], [5, 6], [5, 8]], columns=['A', 'B'])

In [32]: g = df.groupby('A', as_index=False)

In [33]: g.count()
Out[33]: 
   A  B
0  1  1
1  5  2

[2 rows x 2 columns]

In [34]: g.describe()
Out[34]: 
   A     B                                        
     count mean       std  min  25%  50%  75%  max
0  1   1.0  4.0       NaN  4.0  4.0  4.0  4.0  4.0
1  5   2.0  7.0  1.414214  6.0  6.5  7.0  7.5  8.0

[2 rows x 9 columns]

  • 允许通过 pd.Grouper 指定更复杂的 groupby，例如同时按时间字段和字符串字段进行分组。请参阅文档。(GH 3794)

  • 执行 groupby 操作时更好地传播/保留 Series 名称

    • SeriesGroupBy.agg 将确保原始 Series 的 name 属性传播到结果中 (GH 6265)。

    • 如果提供给 GroupBy.apply 的函数返回一个命名 Series，则该 Series 的名称将保留为 GroupBy.apply 返回的 DataFrame 的列索引名称 (GH 6124)。这有助于 DataFrame.stack 操作，其中列索引的名称用作包含透视数据的插入列的名称。

SQL#

SQL 读取和写入函数现在通过 SQLAlchemy 支持更多数据库类型 (GH 2717, GH 4163, GH 5950, GH 6292)。所有 SQLAlchemy 支持的数据库都可以使用，例如 PostgreSQL、MySQL、Oracle、Microsoft SQL Server（请参阅 SQLAlchemy 文档中关于包含的方言）。

未来，提供 DBAPI 连接对象的功能将仅支持 sqlite3。 'mysql' 类型已被弃用。

引入了新函数 read_sql_query() 和 read_sql_table()。函数 read_sql() 作为前两个函数的便捷包装器保留，并将根据提供的输入（数据库表名或 SQL 查询）委托给特定函数。

实际上，您必须为 SQL 函数提供一个 SQLAlchemy engine。要与 SQLAlchemy 连接，您可以使用 create_engine() 函数从数据库 URI 创建一个 engine 对象。每个要连接的数据库只需创建一次 engine。对于内存中的 sqlite 数据库

In [35]: from sqlalchemy import create_engine

# Create your connection.
In [36]: engine = create_engine('sqlite:///:memory:')

然后，此 engine 可用于向该数据库写入或从中读取数据

In [37]: df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})

In [38]: df.to_sql(name='db_table', con=engine, index=False)
Out[38]: 3

您可以通过指定表名从数据库读取数据

In [39]: pd.read_sql_table('db_table', engine)
Out[39]: 
   A  B
0  1  a
1  2  b
2  3  c

[3 rows x 2 columns]

或通过指定 SQL 查询

In [40]: pd.read_sql_query('SELECT * FROM db_table', engine)
Out[40]: 
   A  B
0  1  a
1  2  b
2  3  c

[3 rows x 2 columns]

SQL 函数的其他增强功能包括

  • 支持写入索引。这可以通过 index 关键字控制（默认值为 True）。

  • 使用 index_label 指定写入索引时使用的列标签。

  • 在 read_sql_query() 和 read_sql_table() 中，使用 parse_dates 关键字指定将字符串列解析为 datetime。

警告

一些现有函数或函数别名已被弃用，并将在未来版本中移除。这包括：tquery, uquery, read_frame, frame_query, write_frame。

警告

在使用 DBAPI 连接对象时，对“mysql”类型的支持已被弃用。MySQL 将通过 SQLAlchemy 引擎继续得到支持 (GH 6900)。

使用切片器进行多重索引#

在 0.14.0 版本中，我们添加了一种切片 MultiIndexed 对象的新方法。您可以通过提供多个索引器来切片 MultiIndex。

您可以提供任何选择器，就像按标签索引一样，请参阅按标签选择，包括切片、标签列表、标签和布尔索引器。

您可以使用 slice(None) 来选择该层级的所有内容。您不需要指定所有更深层级，它们将被隐式地视为 slice(None)。

像往常一样，由于这是标签索引，切片器的两端都包含在内。

请参阅文档 另请参阅相关问题 (GH 6134, GH 4036, GH 3057, GH 2598, GH 5641, GH 7106)

警告

您应该在 .loc 指定符中指定所有轴，即索引和列的索引器。在某些模糊情况下，传递的索引器可能会被错误地解释为同时索引两个轴，而不是仅索引行上的 MultiIndex。

您应该这样做

  >>> df.loc[(slice('A1', 'A3'), ...), :]  # noqa: E901

rather than this:

>>> df.loc[(slice('A1', 'A3'), ...)]  # noqa: E901

警告

您需要确保选择轴已完全按字典序排序！

In [41]: def mklbl(prefix, n):
   ....:     return ["%s%s" % (prefix, i) for i in range(n)]
   ....: 

In [42]: index = pd.MultiIndex.from_product([mklbl('A', 4),
   ....:                                     mklbl('B', 2),
   ....:                                     mklbl('C', 4),
   ....:                                     mklbl('D', 2)])
   ....: 

In [43]: columns = pd.MultiIndex.from_tuples([('a', 'foo'), ('a', 'bar'),
   ....:                                      ('b', 'foo'), ('b', 'bah')],
   ....:                                     names=['lvl0', 'lvl1'])
   ....: 

In [44]: df = pd.DataFrame(np.arange(len(index) * len(columns)).reshape((len(index),
   ....:                   len(columns))),
   ....:                   index=index,
   ....:                   columns=columns).sort_index().sort_index(axis=1)
   ....: 

In [45]: df
Out[45]: 
lvl0           a         b     
lvl1         bar  foo  bah  foo
A0 B0 C0 D0    1    0    3    2
         D1    5    4    7    6
      C1 D0    9    8   11   10
         D1   13   12   15   14
      C2 D0   17   16   19   18
...          ...  ...  ...  ...
A3 B1 C1 D1  237  236  239  238
      C2 D0  241  240  243  242
         D1  245  244  247  246
      C3 D0  249  248  251  250
         D1  253  252  255  254

[64 rows x 4 columns]

使用切片、列表和标签进行基本的 MultiIndex 切片。

In [46]: df.loc[(slice('A1', 'A3'), slice(None), ['C1', 'C3']), :]
Out[46]: 
lvl0           a         b     
lvl1         bar  foo  bah  foo
A1 B0 C1 D0   73   72   75   74
         D1   77   76   79   78
      C3 D0   89   88   91   90
         D1   93   92   95   94
   B1 C1 D0  105  104  107  106
...          ...  ...  ...  ...
A3 B0 C3 D1  221  220  223  222
   B1 C1 D0  233  232  235  234
         D1  237  236  239  238
      C3 D0  249  248  251  250
         D1  253  252  255  254

[24 rows x 4 columns]

您可以使用 pd.IndexSlice 来快捷创建这些切片

In [47]: idx = pd.IndexSlice

In [48]: df.loc[idx[:, :, ['C1', 'C3']], idx[:, 'foo']]
Out[48]: 
lvl0           a    b
lvl1         foo  foo
A0 B0 C1 D0    8   10
         D1   12   14
      C3 D0   24   26
         D1   28   30
   B1 C1 D0   40   42
...          ...  ...
A3 B0 C3 D1  220  222
   B1 C1 D0  232  234
         D1  236  238
      C3 D0  248  250
         D1  252  254

[32 rows x 2 columns]

使用此方法可以同时对多个轴执行相当复杂的选择。

In [49]: df.loc['A1', (slice(None), 'foo')]
Out[49]: 
lvl0        a    b
lvl1      foo  foo
B0 C0 D0   64   66
      D1   68   70
   C1 D0   72   74
      D1   76   78
   C2 D0   80   82
...       ...  ...
B1 C1 D1  108  110
   C2 D0  112  114
      D1  116  118
   C3 D0  120  122
      D1  124  126

[16 rows x 2 columns]

In [50]: df.loc[idx[:, :, ['C1', 'C3']], idx[:, 'foo']]
Out[50]: 
lvl0           a    b
lvl1         foo  foo
A0 B0 C1 D0    8   10
         D1   12   14
      C3 D0   24   26
         D1   28   30
   B1 C1 D0   40   42
...          ...  ...
A3 B0 C3 D1  220  222
   B1 C1 D0  232  234
         D1  236  238
      C3 D0  248  250
         D1  252  254

[32 rows x 2 columns]

使用布尔索引器，您可以提供与值相关的选择。

In [51]: mask = df[('a', 'foo')] > 200

In [52]: df.loc[idx[mask, :, ['C1', 'C3']], idx[:, 'foo']]
Out[52]: 
lvl0           a    b
lvl1         foo  foo
A3 B0 C1 D1  204  206
      C3 D0  216  218
         D1  220  222
   B1 C1 D0  232  234
         D1  236  238
      C3 D0  248  250
         D1  252  254

[7 rows x 2 columns]

您还可以指定 axis 参数给 .loc，以在单个轴上解释传递的切片器。

In [53]: df.loc(axis=0)[:, :, ['C1', 'C3']]
Out[53]: 
lvl0           a         b     
lvl1         bar  foo  bah  foo
A0 B0 C1 D0    9    8   11   10
         D1   13   12   15   14
      C3 D0   25   24   27   26
         D1   29   28   31   30
   B1 C1 D0   41   40   43   42
...          ...  ...  ...  ...
A3 B0 C3 D1  221  220  223  222
   B1 C1 D0  233  232  235  234
         D1  237  236  239  238
      C3 D0  249  248  251  250
         D1  253  252  255  254

[32 rows x 4 columns]

此外，您还可以使用这些方法来设置值

In [54]: df2 = df.copy()

In [55]: df2.loc(axis=0)[:, :, ['C1', 'C3']] = -10

In [56]: df2
Out[56]: 
lvl0           a         b     
lvl1         bar  foo  bah  foo
A0 B0 C0 D0    1    0    3    2
         D1    5    4    7    6
      C1 D0  -10  -10  -10  -10
         D1  -10  -10  -10  -10
      C2 D0   17   16   19   18
...          ...  ...  ...  ...
A3 B1 C1 D1  -10  -10  -10  -10
      C2 D0  241  240  243  242
         D1  245  244  247  246
      C3 D0  -10  -10  -10  -10
         D1  -10  -10  -10  -10

[64 rows x 4 columns]

您也可以使用可对齐对象的右侧。

In [57]: df2 = df.copy()

In [58]: df2.loc[idx[:, :, ['C1', 'C3']], :] = df2 * 1000

In [59]: df2
Out[59]: 
lvl0              a               b        
lvl1            bar     foo     bah     foo
A0 B0 C0 D0       1       0       3       2
         D1       5       4       7       6
      C1 D0    9000    8000   11000   10000
         D1   13000   12000   15000   14000
      C2 D0      17      16      19      18
...             ...     ...     ...     ...
A3 B1 C1 D1  237000  236000  239000  238000
      C2 D0     241     240     243     242
         D1     245     244     247     246
      C3 D0  249000  248000  251000  250000
         D1  253000  252000  255000  254000

[64 rows x 4 columns]

绘图#

  • 来自 DataFrame.plot 的六边形箱体图，其中 kind='hexbin' (GH 5478)，请参阅文档。

  • DataFrame.plot 和 Series.plot 现在支持通过指定 kind='area' 来绘制面积图 (GH 6656)，请参阅文档

  • 来自 Series.plot 和 DataFrame.plot 的饼图，其中 kind='pie' (GH 6976)，请参阅文档。

  • 在 DataFrame 和 Series 对象的 .plot 方法中，现在支持绘制带有误差线的图表 (GH 3796, GH 6834)，请参阅文档。

  • DataFrame.plot 和 Series.plot 现在支持 table 关键字，用于绘制 matplotlib.Table，请参阅文档。table 关键字可以接受以下值。

    • False`: 不执行任何操作（默认）。

    • True`: 使用调用 plot 方法的 DataFrame 或 Series 绘制表格。数据将被转置以符合 matplotlib 的默认布局。

    • DataFrame 或 Series`: 使用传入的数据绘制 matplotlib.table。数据将按照打印方法中显示的方式绘制（不会自动转置）。此外，还添加了辅助函数 pandas.tools.plotting.table，用于从 DataFrame 和 Series 创建表格，并将其添加到 matplotlib.Axes 中。

  • plot(legend='reverse') 现在将反转大多数图表类型的图例标签顺序。(GH 6014)

  • 折线图和面积图可以通过 stacked=True 进行堆叠 (GH 6656)

  • 以下关键字现在可用于 DataFrame.plot()，其中 kind='bar' 和 kind='barh'

    • width`: 指定条形宽度。在以前的版本中，固定值 0.5 会传递给 matplotlib 并且无法被覆盖。(GH 6604)

    • align`: 指定条形对齐方式。默认值为 center（与 matplotlib 不同）。在以前的版本中，pandas 会将 align='edge' 传递给 matplotlib 并自行调整位置到 center，导致 align 关键字未能按预期应用。(GH 4525)

    • position`: 指定条形图布局的相对对齐方式。从 0（左/底端）到 1（右/顶端）。默认值为 0.5（居中）。(GH 6604)

    由于默认 align 值更改，条形图的坐标现在位于整数值 (0.0, 1.0, 2.0 …) 上。这旨在使条形图与折线图位于相同的坐标上。但是，当您手动调整条形位置或绘图区域时，例如使用 set_xlim, set_ylim 等，条形图可能会出现意外差异。在这种情况下，请修改您的脚本以适应新坐标。

  • parallel_coordinates() 函数现在接受参数 color 而不是 colors。将引发 FutureWarning 以提示旧的 colors 参数在未来版本中将不再受支持。(GH 6956)

  • parallel_coordinates() 和 andrews_curves() 函数现在接受位置参数 frame 而不是 data。如果按名称使用旧的 data 参数，将引发 FutureWarning。(GH 6956)

  • DataFrame.boxplot() 现在支持 layout 关键字 (GH 6769)

  • DataFrame.boxplot() 有一个新的关键字参数 return_type。它接受 'dict', 'axes' 或 'both'，在这种情况下，会返回一个包含 matplotlib axes 和 matplotlib Lines 字典的命名元组。

以前版本弃用/更改#

截至 0.14.0 版本，之前的一些弃用功能已生效。

弃用#

  • pivot_table()/DataFrame.pivot_table() 和 crosstab() 函数现在接受参数 index 和 columns，而不是 rows 和 cols。将引发 FutureWarning 以提示旧的 rows 和 cols 参数在未来版本中将不再受支持 (GH 5505)

  • DataFrame.drop_duplicates() 和 DataFrame.duplicated() 方法现在接受参数 subset 而不是 cols，以便更好地与 DataFrame.dropna() 对齐。将引发 FutureWarning 以提示旧的 cols 参数在未来版本中将不再受支持 (GH 6680)

  • DataFrame.to_csv() 和 DataFrame.to_excel() 函数现在接受参数 columns 而不是 cols。将引发 FutureWarning 以提示旧的 cols 参数在未来版本中将不再受支持 (GH 6645)

  • 当索引器与标量索引器和非浮点 Index 一起使用时，将发出 FutureWarning 警告 (GH 4892, GH 6960)

    # non-floating point indexes can only be indexed by integers / labels
In [1]: pd.Series(1, np.arange(5))[3.0]
        pandas/core/index.py:469: FutureWarning: scalar indexers for index type Int64Index should be integers and not floating point
Out[1]: 1

In [2]: pd.Series(1, np.arange(5)).iloc[3.0]
        pandas/core/index.py:469: FutureWarning: scalar indexers for index type Int64Index should be integers and not floating point
Out[2]: 1

In [3]: pd.Series(1, np.arange(5)).iloc[3.0:4]
        pandas/core/index.py:527: FutureWarning: slice indexers when using iloc should be integers and not floating point
Out[3]:
        3    1
        dtype: int64

# these are Float64Indexes, so integer or floating point is acceptable
In [4]: pd.Series(1, np.arange(5.))[3]
Out[4]: 1

In [5]: pd.Series(1, np.arange(5.))[3.0]
Out[6]: 1

  • Numpy 1.9 对弃用警告的兼容性 (GH 6960)

  • Panel.shift() 现在具有与 DataFrame.shift() 匹配的函数签名。旧的位置参数 lags 已更改为关键字参数 periods，默认值为 1。如果按名称使用旧参数 lags，将引发 FutureWarning。(GH 6910)

  • factorize() 的 order 关键字参数将被移除。(GH 6926)。

  • 从 DataFrame.xs(), Panel.major_xs(), Panel.minor_xs() 中移除 copy 关键字。如果可能，将返回一个视图，否则将创建一个副本。以前用户可能会认为 copy=False 将始终返回一个视图。(GH 6894)

  • parallel_coordinates() 函数现在接受参数 color 而不是 colors。将引发 FutureWarning 以提示旧的 colors 参数在未来版本中将不再受支持。(GH 6956)

  • parallel_coordinates() 和 andrews_curves() 函数现在接受位置参数 frame 而不是 data。如果按名称使用旧的 data 参数，将引发 FutureWarning。(GH 6956)

  • 在使用 DBAPI 连接对象时，对“mysql”类型的支持已被弃用。MySQL 将通过 SQLAlchemy 引擎继续得到支持 (GH 6900)。

  • 以下 io.sql 函数已被弃用：tquery, uquery, read_frame, frame_query, write_frame。

  • describe() 中的 percentile_width 关键字参数已被弃用。请改用 percentiles 关键字，它接受一个要显示的百分位数列表。默认输出保持不变。

  • boxplot() 的默认返回类型将在未来版本中从 dict 更改为 matplotlib Axes。您现在可以通过向 boxplot 传递 return_type='axes' 来使用未来的行为。

已知问题#

  • OpenPyXL 2.0.0 破坏了向后兼容性 (GH 7169)

增强功能#

  • 如果传入一个元组字典，DataFrame 和 Series 将创建 MultiIndex 对象，请参阅文档 (GH 3323)

    In [60]: pd.Series({('a', 'b'): 1, ('a', 'a'): 0,
   ....:            ('a', 'c'): 2, ('b', 'a'): 3, ('b', 'b'): 4})
   ....: 
Out[60]: 
a  b    1
   a    0
   c    2
b  a    3
   b    4
Length: 5, dtype: int64

In [61]: pd.DataFrame({('a', 'b'): {('A', 'B'): 1, ('A', 'C'): 2},
   ....:              ('a', 'a'): {('A', 'C'): 3, ('A', 'B'): 4},
   ....:              ('a', 'c'): {('A', 'B'): 5, ('A', 'C'): 6},
   ....:              ('b', 'a'): {('A', 'C'): 7, ('A', 'B'): 8},
   ....:              ('b', 'b'): {('A', 'D'): 9, ('A', 'B'): 10}})
   ....: 
Out[61]: 
       a              b      
       b    a    c    a     b
A B  1.0  4.0  5.0  8.0  10.0
  C  2.0  3.0  6.0  7.0   NaN
  D  NaN  NaN  NaN  NaN   9.0

[3 rows x 5 columns]

  • 为 Index 添加了 sym_diff 方法 (GH 5543)

  • DataFrame.to_latex 现在接受 longtable 关键字，如果设置为 True，将返回一个 longtable 环境中的表格。 (GH 6617)

  • 添加选项以关闭 DataFrame.to_latex 中的转义 (GH 6472)

  • 如果未指定关键字 sep，pd.read_clipboard 将尝试检测从电子表格复制的数据并相应地进行解析。 (GH 6223)

  • 将单索引 DataFrame 与 MultiIndexed DataFrame 连接 (GH 3662)

    请参阅文档。目前尚不支持在左侧和右侧同时连接 MultiIndex DataFrames。

    In [62]: household = pd.DataFrame({'household_id': [1, 2, 3],
   ....:                           'male': [0, 1, 0],
   ....:                           'wealth': [196087.3, 316478.7, 294750]
   ....:                           },
   ....:                          columns=['household_id', 'male', 'wealth']
   ....:                          ).set_index('household_id')
   ....: 

In [63]: household
Out[63]: 
              male    wealth
household_id                
1                0  196087.3
2                1  316478.7
3                0  294750.0

[3 rows x 2 columns]

In [64]: portfolio = pd.DataFrame({'household_id': [1, 2, 2, 3, 3, 3, 4],
   ....:                           'asset_id': ["nl0000301109",
   ....:                                        "nl0000289783",
   ....:                                        "gb00b03mlx29",
   ....:                                        "gb00b03mlx29",
   ....:                                        "lu0197800237",
   ....:                                        "nl0000289965",
   ....:                                        np.nan],
   ....:                           'name': ["ABN Amro",
   ....:                                    "Robeco",
   ....:                                    "Royal Dutch Shell",
   ....:                                    "Royal Dutch Shell",
   ....:                                    "AAB Eastern Europe Equity Fund",
   ....:                                    "Postbank BioTech Fonds",
   ....:                                    np.nan],
   ....:                           'share': [1.0, 0.4, 0.6, 0.15, 0.6, 0.25, 1.0]
   ....:                           },
   ....:                          columns=['household_id', 'asset_id', 'name', 'share']
   ....:                          ).set_index(['household_id', 'asset_id'])
   ....: 

In [65]: portfolio
Out[65]: 
                                                     name  share
household_id asset_id                                           
1            nl0000301109                        ABN Amro   1.00
2            nl0000289783                          Robeco   0.40
             gb00b03mlx29               Royal Dutch Shell   0.60
3            gb00b03mlx29               Royal Dutch Shell   0.15
             lu0197800237  AAB Eastern Europe Equity Fund   0.60
             nl0000289965          Postbank BioTech Fonds   0.25
4            NaN                                      NaN   1.00

[7 rows x 2 columns]

In [66]: household.join(portfolio, how='inner')
Out[66]: 
                           male  ...  share
household_id asset_id            ...       
1            nl0000301109     0  ...   1.00
2            nl0000289783     1  ...   0.40
             gb00b03mlx29     1  ...   0.60
3            gb00b03mlx29     0  ...   0.15
             lu0197800237     0  ...   0.60
             nl0000289965     0  ...   0.25

[6 rows x 4 columns]

  • 现在在使用 DataFrame.to_csv 时可以指定 quotechar、doublequote 和 escapechar (GH 5414, GH 4528)

  • 使用 sort_remaining 布尔关键字参数，仅按 MultiIndex 的指定级别进行部分排序。 (GH 3984)

  • 为 TimeStamp 和 DatetimeIndex 添加了 to_julian_date。儒略日期主要用于天文学，表示从公元前 4713 年 1 月 1 日中午开始的天数。由于 pandas 中使用纳秒来定义时间，因此可使用的实际日期范围是公元 1678 年到公元 2262 年。 (GH 4041)

  • DataFrame.to_stata 现在将检查数据与 Stata 数据类型的兼容性，并在需要时进行向上转换。如果无法无损向上转换，则会发出警告 (GH 6327)

  • DataFrame.to_stata 和 StataWriter 现在将接受关键字参数 time_stamp 和 data_label，允许在创建文件时设置时间戳和数据集标签。 (GH 6545)

  • pandas.io.gbq 现在能正确处理 unicode 字符串的读取。 (GH 5940)

  • 现在可以使用假日日历，并可与 CustomBusinessDay 偏移量一起使用 (GH 6719)

  • Float64Index 现在由 float64 dtype ndarray 支持，而不是 object dtype 数组 (GH 6471)。

  • 实现了 Panel.pct_change (GH 6904)

  • 为滚动矩函数添加了 how 选项，用于指定如何处理重采样；rolling_max() 默认为 max，rolling_min() 默认为 min，所有其他函数默认为 mean (GH 6297)

  • 现在可以使用 CustomBusinessMonthBegin 和 CustomBusinessMonthEnd (GH 6866)

  • Series.quantile() 和 DataFrame.quantile() 现在接受一个分位数数组。

  • describe() 现在接受一个百分位数数组，用于包含在汇总统计中 (GH 4196)

  • pivot_table 现在可以接受按 index 和 columns 关键字指定的 Grouper (GH 6913)

    In [67]: import datetime

In [68]: df = pd.DataFrame({
   ....:     'Branch': 'A A A A A B'.split(),
   ....:     'Buyer': 'Carl Mark Carl Carl Joe Joe'.split(),
   ....:     'Quantity': [1, 3, 5, 1, 8, 1],
   ....:     'Date': [datetime.datetime(2013, 11, 1, 13, 0),
   ....:              datetime.datetime(2013, 9, 1, 13, 5),
   ....:              datetime.datetime(2013, 10, 1, 20, 0),
   ....:              datetime.datetime(2013, 10, 2, 10, 0),
   ....:              datetime.datetime(2013, 11, 1, 20, 0),
   ....:              datetime.datetime(2013, 10, 2, 10, 0)],
   ....:     'PayDay': [datetime.datetime(2013, 10, 4, 0, 0),
   ....:                datetime.datetime(2013, 10, 15, 13, 5),
   ....:                datetime.datetime(2013, 9, 5, 20, 0),
   ....:                datetime.datetime(2013, 11, 2, 10, 0),
   ....:                datetime.datetime(2013, 10, 7, 20, 0),
   ....:                datetime.datetime(2013, 9, 5, 10, 0)]})
   ....: 

In [69]: df
Out[69]: 
  Branch Buyer  Quantity                Date              PayDay
0      A  Carl         1 2013-11-01 13:00:00 2013-10-04 00:00:00
1      A  Mark         3 2013-09-01 13:05:00 2013-10-15 13:05:00
2      A  Carl         5 2013-10-01 20:00:00 2013-09-05 20:00:00
3      A  Carl         1 2013-10-02 10:00:00 2013-11-02 10:00:00
4      A   Joe         8 2013-11-01 20:00:00 2013-10-07 20:00:00
5      B   Joe         1 2013-10-02 10:00:00 2013-09-05 10:00:00

[6 rows x 5 columns]

    In [75]: df.pivot_table(values='Quantity',
   ....:                index=pd.Grouper(freq='M', key='Date'),
   ....:                columns=pd.Grouper(freq='M', key='PayDay'),
   ....:                aggfunc="sum")
Out[75]:
PayDay      2013-09-30  2013-10-31  2013-11-30
Date
2013-09-30         NaN         3.0         NaN
2013-10-31         6.0         NaN         1.0
2013-11-30         NaN         9.0         NaN

[3 rows x 3 columns]

  • 字符串数组可以按指定宽度换行 (str.wrap) (GH 6999)

  • 为 Series 添加了 nsmallest() 和 Series.nlargest() 方法，请参阅文档 (GH 3960)

  • PeriodIndex 完全支持像 DatetimeIndex 一样的部分字符串索引 (GH 7043)

    In [76]: prng = pd.period_range('2013-01-01 09:00', periods=100, freq='H')

In [77]: ps = pd.Series(np.random.randn(len(prng)), index=prng)

In [78]: ps
Out[78]:
2013-01-01 09:00    0.015696
2013-01-01 10:00   -2.242685
2013-01-01 11:00    1.150036
2013-01-01 12:00    0.991946
2013-01-01 13:00    0.953324
                      ...
2013-01-05 08:00    0.285296
2013-01-05 09:00    0.484288
2013-01-05 10:00    1.363482
2013-01-05 11:00   -0.781105
2013-01-05 12:00   -0.468018
Freq: H, Length: 100, dtype: float64

In [79]: ps['2013-01-02']
Out[79]:
2013-01-02 00:00    0.553439
2013-01-02 01:00    1.318152
2013-01-02 02:00   -0.469305
2013-01-02 03:00    0.675554
2013-01-02 04:00   -1.817027
                      ...
2013-01-02 19:00    0.036142
2013-01-02 20:00   -2.074978
2013-01-02 21:00    0.247792
2013-01-02 22:00   -0.897157
2013-01-02 23:00   -0.136795
Freq: H, Length: 24, dtype: float64

  • xlrd >= 0.9.3 后，read_excel 现在可以读取 Excel 日期和时间中的毫秒。 (GH 5945)

  • pd.stats.moments.rolling_var 现在使用 Welford 方法以提高数值稳定性 (GH 6817)

  • pd.expanding_apply 和 pd.rolling_apply 现在接受传递给 func 的 args 和 kwargs (GH 6289)

  • DataFrame.rank() 现在具有百分比排名选项 (GH 5971)

  • Series.rank() 现在具有百分比排名选项 (GH 5971)

  • Series.rank() 和 DataFrame.rank() 现在接受 method='dense' 以实现无间隙排名 (GH 6514)

  • 支持使用 xlwt 传递 encoding (GH 3710)

  • 重构 Block 类，移除 Block.items 属性以避免项目处理中的重复 (GH 6745, GH 6988)。

  • 测试语句已更新，使用专门的断言 (GH 6175)

性能#

  • 使用 DatetimeConverter 将 DatetimeIndex 转换为浮点序数时性能提升 (GH 6636)

  • DataFrame.shift 的性能提升 (GH 5609)

  • 索引 MultiIndexed Series 时的性能提升 (GH 5567)

  • 单 dtype 索引的性能改进 (GH 6484)

  • 通过移除有问题的缓存（例如 MonthEnd,BusinessMonthEnd），改进了使用特定偏移量构造 DataFrame 的性能 (GH 6479)

  • 提高 CustomBusinessDay 的性能 (GH 6584)

  • 提高 Series 上带有字符串键的切片索引性能 (GH 6341, GH 6372)

  • 从可迭代对象读取指定行数时，DataFrame.from_records 的性能提升 (GH 6700)

  • 整数 dtype 的 timedelta 转换性能改进 (GH 6754)

  • 兼容 pickle 的性能提升 (GH 6899)

  • 通过优化 take_2d，提高某些重新索引操作的性能 (GH 6749)

  • GroupBy.count() 现在在 Cython 中实现，对于大量分组来说速度更快 (GH 7016)。

实验性功能#

0.14.0 中没有实验性更改

错误修复#

  • Series ValueError 中的错误，当索引与数据不匹配时 (GH 6532)

  • 防止由于 HDFStore 表格格式不支持 MultiIndex 而导致的段错误 (GH 1848)

  • pd.DataFrame.sort_index 中的错误，当 ascending=False 时，mergesort 不稳定 (GH 6399)

  • pd.tseries.frequencies.to_offset 中的错误，当参数包含前导零时 (GH 6391)

  • 开发版本中版本字符串生成器的错误，在浅克隆/从 tarball 安装时 (GH 6127)

  • 当前年份 Timestamp / to_datetime 的时区解析不一致 (GH 5958)

  • 重新排序索引时的索引错误 (GH 6252, GH 6254)

  • .xs 在 Series 多索引中的错误 (GH 6258, GH 5684)

  • 将字符串类型转换为具有指定频率的 DatetimeIndex 时的错误 (GH 6273, GH 6274)

  • eval 中的错误，当表达式过大时类型提升失败 (GH 6205)

  • interpolate 中 inplace=True 时的错误 (GH 6281)

  • HDFStore.remove 现在处理 start 和 stop (GH 6177)

  • HDFStore.select_as_multiple 处理 start 和 stop 的方式与 select 相同 (GH 6177)

  • HDFStore.select_as_coordinates 和 select_column 可与导致过滤的 where 子句一起使用 (GH 6177)

  • 非唯一索引连接的回归 (GH 6329)

  • groupby agg 与单个函数和混合类型框架的问题 (GH 6337)

  • DataFrame.replace() 中的错误，当传递非 bool 类型的 to_replace 参数时 (GH 6332)

  • 在 MultiIndex 赋值中尝试在不同级别对齐时引发错误 (GH 3738)

  • 通过布尔索引设置复杂 dtype 时的错误 (GH 6345)

  • TimeGrouper/resample 中的错误，当遇到非单调 DatetimeIndex 时会返回无效结果。 (GH 4161)

  • TimeGrouper/resample 中索引名称传播的错误 (GH 4161)

  • TimeGrouper 具有与其余分组器更兼容的 API（例如缺少 groups） (GH 3881)

  • 使用 TimeGrouper 进行多次分组时，取决于目标列顺序的错误 (GH 6764)

  • pd.eval 中的错误，当解析包含 '&' 等可能标记的字符串时 (GH 6351)

  • 正确处理 Panels 中 -inf 位置的错误，当除以整数 0 时 (GH 6178)

  • DataFrame.shift 在 axis=1 时引发错误 (GH 6371)

  • 禁用剪贴板测试直到发布（使用 nosetests -A disabled 在本地运行） (GH 6048)。

  • DataFrame.replace() 中的错误，当传递包含不在要替换值中的键的嵌套 dict 时 (GH 6342)

  • str.match 忽略了 na 标志 (GH 6609)。

  • take 中重复列未合并的错误 (GH 6240)

  • interpolate 中更改 dtype 的错误 (GH 6290)

  • Series.get 中的错误，使用了有缺陷的访问方法 (GH 6383)

  • hdfstore 查询中的错误，形式为 where=[('date', '>=', datetime(2013,1,1)), ('date', '<=', datetime(2014,1,1))] (GH 6313)

  • DataFrame.dropna 在重复索引中的错误 (GH 6355)

  • 从 0.12 版开始，链接 getitem 索引与嵌入列表类似对象的回归 (GH 6394)

  • 带有 NaN 的 Float64Index 比较不正确 (GH 6401)

  • 现在包含 @ 字符的字符串的 eval / query 表达式将起作用 (GH 6366)。

  • Series.reindex 中的错误，当指定 method 并且存在一些 NaN 值时不一致（在重采样中注意到） (GH 6418)

  • DataFrame.replace() 中的错误，其中嵌套字典错误地依赖于字典键和值的顺序 (GH 5338)。

  • 与空对象连接时的性能问题 (GH 3259)

  • 澄清带有 NaN 值的 Index 对象上的 sym_diff 排序 (GH 6444)

  • MultiIndex.from_product 在以 DatetimeIndex 作为输入时的回归 (GH 6439)

  • str.extract 中的错误，当传递非默认索引时 (GH 6348)

  • str.split 中的错误，当传递 pat=None 和 n=1 时 (GH 6466)

  • io.data.DataReader 中的错误，当传递 "F-F_Momentum_Factor" 和 data_source="famafrench" 时 (GH 6460)

  • timedelta64[ns] Series 求和时的错误 (GH 6462)

  • resample 在有时区和特定偏移量时的错误 (GH 6397)

  • iat/iloc 在 Series 上带有重复索引时的错误 (GH 6493)

  • read_html 中的错误，其中 NaN 值被错误地用于表示文本中的缺失值。为了与 pandas 的其余部分保持一致，应使用空字符串 (GH 5129)。

  • read_html 测试中的错误，其中重定向的无效 URL 会导致一个测试失败 (GH 6445)。

  • 在使用 .loc 对非唯一索引进行多轴索引时的错误 (GH 6504)

  • 在 DataFrame 的列轴上进行切片索引时导致 _ref_locs 损坏的错误 (GH 6525)

  • 从 0.13 版开始，在 Series 创建中处理 numpy datetime64 非纳秒 dtype 时的回归 (GH 6529)

  • 传递给 set_index 的 MultiIndex 的 .names 属性现在得以保留 (GH 6459)。

  • setitem 中的错误，当具有重复索引和可对齐的 rhs 时 (GH 6541)

  • setitem 中 .loc 在混合整数索引上的错误 (GH 6546)

  • pd.read_stata 中的错误，它会使用错误的数据类型和缺失值 (GH 6327)

  • DataFrame.to_stata 中的错误，在某些情况下导致数据丢失，并且可能使用错误的数据类型和缺失值导出 (GH 6335)

  • StataWriter 将字符串列中的缺失值替换为空字符串 (GH 6802)

  • Timestamp 加减法中类型不一致 (GH 6543)

  • 在 Timestamp 加减法中保留频率的错误 (GH 4547)

  • 空列表查找中的错误导致 IndexError 异常 (GH 6536, GH 6551)

  • Series.quantile 在 object dtype 上引发错误 (GH 6555)

  • .xs 在级别中存在 nan 并被删除时的错误 (GH 6574)

  • fillna 中 method='bfill/ffill' 和 datetime64[ns] dtype 时的错误 (GH 6587)

  • 混合 dtype 的 sql 写入错误，可能导致数据丢失 (GH 6509)

  • Series.pop 中的错误 (GH 6600)

  • iloc 索引中的错误，当位置索引器与相应轴的 Int64Index 匹配且未发生重新排序时 (GH 6612)

  • fillna 中指定 limit 和 value 时的错误

  • DataFrame.to_stata 中的错误，当列名非字符串时 (GH 4558)

  • 与 np.compress 兼容性中的错误，在 (GH 6658) 中出现

  • 二进制操作中的错误，当 Series 的 rhs 不对齐时 (GH 6681)

  • DataFrame.to_stata 中的错误，它错误地处理 NaN 值并忽略 with_index 关键字参数 (GH 6685)

  • resample 中的错误，当使用可均匀整除的频率时产生额外 bin (GH 4076)

  • 当传递自定义函数时，groupby 聚合一致性中的错误 (GH 6715)

  • resample 中的错误，当 how=None 时重采样频率与轴频率相同 (GH 5955)

  • 空数组降级推断中的错误 (GH 6733)

  • 稀疏容器上 obj.blocks 中的错误，会丢弃除 dtype 相同的最后一个项目之外的所有项目 (GH 6748)

  • 解封装 NaT (NaTType) 时的错误 (GH 4606)

  • DataFrame.replace() 中的错误，其中正则表达式元字符即使在 regex=False 时也被视为正则表达式 (GH 6777)。

  • 32 位平台上 timedelta 操作中的错误 (GH 6808)

  • 直接通过 .index 设置 tz 感知索引的错误 (GH 6785)

  • expressions.py 中的错误，其中 numexpr 会尝试评估算术操作 (GH 6762)。

  • Makefile 中的错误，它在使用 make clean 时未删除 Cython 生成的 C 文件 (GH 6768)

  • 当 numpy < 1.7.2 从 HDFStore 读取长字符串时的错误 (GH 6166)

  • DataFrame._reduce 中的错误，其中非布尔值（0/1）整数被转换为布尔值。 (GH 6806)

  • 从 0.13 版开始，fillna 和日期时间类 Series 的回归 (GH 6344)

  • 将 np.timedelta64 添加到带有时区的 DatetimeIndex 时输出不正确结果的错误 (GH 6818)

  • DataFrame.replace() 中的错误，其中通过替换更改 dtype 只会替换值的第一次出现 (GH 6689)

  • 在 Period 构造中传递频率 'MS' 时，错误消息更友好 (GH5332)

  • Series.__unicode__ 中的错误，当 max_rows=None 且 Series 行数超过 1000 时。 (GH 6863)

  • groupby.get_group 中的错误，其中日期类型值并非总是被接受 (GH 5267)

  • 由 TimeGrouper 创建的 groupBy.get_group 中的错误引发 AttributeError (GH 6914)

  • DatetimeIndex.tz_localize 和 DatetimeIndex.tz_convert 错误转换 NaT 的错误 (GH 5546)

  • 影响 NaT 的算术运算错误 (GH 6873)

  • Series.str.extract 中的错误，其中单个组匹配产生的 Series 未重命名为组名

  • DataFrame.to_csv 中的错误，其中设置 index=False 忽略了 header kwarg (GH 6186)

  • DataFrame.plot 和 Series.plot 中的错误，其中在重复绘制到相同轴时，图例行为不一致 (GH 6678)

  • 修补 __finalize__ 的内部测试 / merge 未完成的错误 (GH 6923, GH 6927)

  • concat 中接受 TextFileReader，这影响了常见的用户用法 (GH 6583)

  • C 解析器中带有前导空格的错误 (GH 3374)

  • C 解析器中 delim_whitespace=True 和 \r 分隔行的错误

  • python 解析器中的错误，在列标题后行中包含显式 MultiIndex (GH 6893)

  • Series.rank 和 DataFrame.rank 中的错误，导致小浮点数（<1e-13）都获得相同的排名 (GH 6886)

  • DataFrame.apply 中的错误，当函数使用 *args 或 **kwargs 并返回空结果时 (GH 6952)

  • 32 位平台上 sum/mean 在溢出时的错误 (GH 6915)

  • 将 Panel.shift 移至 NDFrame.slice_shift 并修复以尊重多个 dtype。 (GH 6959)

  • DataFrame.plot 中启用 subplots=True 仅当单列时引发 TypeError，而 Series.plot 引发 AttributeError 的错误 (GH 6951)

  • DataFrame.plot 中的错误，当启用 subplots 和 kind=scatter 时会绘制不必要的轴 (GH 6951)

  • 从具有非 utf-8 编码的文件系统读取 read_csv 时的错误 (GH 6807)

  • iloc 在设置/对齐时的错误 (GH 6766)

  • 当使用 unicode 值和前缀调用 get_dummies 时导致 UnicodeEncodeError 的错误 (GH 6885)

  • 带频率的时间序列图光标显示错误 (GH 5453)

  • 使用 Float64Index 时 groupby.plot 中出现的错误 (GH 7025)

  • 如果无法从 Yahoo 下载期权数据，则阻止测试失败 (GH 7034)

  • parallel_coordinates 和 radviz 中的错误，其中类列的重新排序导致可能的颜色/类不匹配 (GH 6956)

  • radviz 和 andrews_curves 中的错误，其中多个“颜色”值被传递给绘图方法 (GH 6956)

  • Float64Index.isin() 中的错误，其中包含 nan 会使索引声称它们包含了所有内容 (GH 7066)。

  • DataFrame.boxplot 中的错误，它未能使用作为 ax 参数传递的轴 (GH 3578)

  • XlsxWriter 和 XlwtWriter 实现中的错误导致日期时间列在格式化时没有时间信息 (GH 7075)

  • read_fwf() 将 colspec 中的 None 视为常规的 python 切片。现在，当 colspec 包含 None 时，它会从行的开头读取或一直读取到行尾（以前会引发 TypeError）

  • 链式索引和切片时缓存一致性中的错误；为 NDFrame 添加 _is_view 属性以正确预测视图；仅当 xs 是实际副本（而非视图）时才标记 is_copy (GH 7084)

  • 使用 dayfirst=True 从字符串 ndarray 创建 DatetimeIndex 时的错误 (GH 5917)

  • 从 DatetimeIndex 创建的 MultiIndex.from_arrays 中的错误，未保留 freq 和 tz (GH 7090)

  • unstack 中的错误，当 MultiIndex 包含 PeriodIndex 时引发 ValueError (GH 4342)

  • boxplot 和 hist 中的错误，会绘制不必要的轴 (GH 6769)

  • groupby.nth() 在越界索引器上的回归 (GH 6621)

  • quantile 在日期时间值上的错误 (GH 6965)

  • Dataframe.set_index、reindex 和 pivot 中的错误，未保留 DatetimeIndex 和 PeriodIndex 属性 (GH 3950, GH 5878, GH 6631)

  • MultiIndex.get_level_values 中的错误，未保留 DatetimeIndex 和 PeriodIndex 属性 (GH 7092)

  • Groupby 中的错误，未保留 tz (GH 3950)

  • PeriodIndex 部分字符串切片中的错误 (GH 6716)

  • 截断的 Series 或 DataFrame 的 HTML repr 中的错误，当 large_repr 设置为 ‘info’ 时未显示类名 (GH 7105)

  • DatetimeIndex 中指定 freq 时的错误，当传递的值太短时引发 ValueError (GH 7098)

  • 修复了一个 bug，即 info repr 未遵循 display.max_info_columns 设置 (GH 6939)

  • PeriodIndex 字符串切片中越界值的错误 (GH 5407)

  • 修复了在大型表重新调整大小时，哈希表实现/因子分解器中的内存错误 (GH 7157)

  • isnull 应用于 0 维对象数组时的错误 (GH 7176)

  • query/eval 中的错误，其中全局常量查找不正确 (GH 7178)

  • 使用 iloc 和多轴元组索引器识别越界位置列表索引器时的错误 (GH 7189)

  • setitem 中的错误，当使用单个值、MultiIndex 和整数索引时 (GH 7190, GH 7218)

  • 表达式评估中反向操作的错误，显示在 Series-DataFrame 操作中 (GH 7198, GH 7192)

  • 多轴索引中 > 2 ndim 和 MultiIndex 的错误 (GH 7199)

  • 修复了无效的 eval/query 操作会导致堆栈溢出的错误 (GH 5198)

贡献者#

共有 94 人为本次发布贡献了补丁。名字旁边带有“+”的人是首次贡献补丁。

  • Acanthostega +

  • Adam Marcus +

  • Alex Gaudio

  • Alex Rothberg

  • AllenDowney +

  • Andrew Rosenfeld +

  • Andy Hayden

  • Antoine Mazières +

  • Benedikt Sauer

  • Brad Buran

  • Christopher Whelan

  • Clark Fitzgerald

  • DSM

  • Dale Jung

  • Dan Allan

  • Dan Birken

  • Daniel Waeber

  • David Jung +

  • David Stephens +

  • Douglas McNeil

  • Garrett Drapala

  • Gouthaman Balaraman +

  • Guillaume Poulin +

  • Jacob Howard +

  • Jacob Schaer

  • Jason Sexauer +

  • Jeff Reback

  • Jeff Tratner

  • Jeffrey Starr +

  • John David Reaver +

  • John McNamara

  • John W. O’Brien

  • Jonathan Chambers

  • Joris Van den Bossche

  • Julia Evans

  • Júlio +

  • K.-Michael Aye

  • Katie Atkinson +

  • Kelsey Jordahl

  • Kevin Sheppard +

  • Matt Wittmann +

  • Matthias Kuhn +

  • Max Grender-Jones +

  • Michael E. Gruen +

  • Mike Kelly

  • Nipun Batra +

  • Noah Spies +

  • PKEuS

  • Patrick O’Keeffe

  • Phillip Cloud

  • Pietro Battiston +

  • Randy Carnevale +

  • Robert Gibboni +

  • Skipper Seabold

  • SplashDance +

  • Stephan Hoyer +

  • Tim Cera +

  • Tobias Brandt

  • Todd Jennings +

  • Tom Augspurger

  • TomAugspurger

  • Yaroslav Halchenko

  • agijsberts +

  • akittredge

  • ankostis +

  • anomrake

  • anton-d +

  • bashtage +

  • benjamin +

  • bwignall

  • cgohlke +

  • chebee7i +

  • clham +

  • danielballan

  • hshimizu77 +

  • hugo +

  • immerrr

  • ischwabacher +

  • jaimefrio +

  • jreback

  • jsexauer +

  • kdiether +

  • michaelws +

  • mikebailey +

  • ojdo +

  • onesandzeroes +

  • phaebz +

  • ribonoous +

  • rockg

  • sinhrks +

  • unutbu

  • westurner

  • y-p

  • zach powers