版本 0.15.2(2014年12月12日)#

这是 0.15.1 的一个次要版本,包含大量错误修复以及一些新特性、增强功能和性能改进。为修复现有错误,进行了一些 API 更改。我们建议所有用户升级到此版本。

API 变更#

  • 现在支持超出词典序深度对 MultiIndex 进行索引,但词典序索引将具有更好的性能。 (GH 2646)

    In [1]: df = pd.DataFrame({'jim':[0, 0, 1, 1],
       ...:                    'joe':['x', 'x', 'z', 'y'],
       ...:                    'jolie':np.random.rand(4)}).set_index(['jim', 'joe'])
       ...:
    
    In [2]: df
    Out[2]:
                jolie
    jim joe
    0   x    0.126970
        x    0.966718
    1   z    0.260476
        y    0.897237
    
    [4 rows x 1 columns]
    
    In [3]: df.index.lexsort_depth
    Out[3]: 1
    
    # in prior versions this would raise a KeyError
    # will now show a PerformanceWarning
    In [4]: df.loc[(1, 'z')]
    Out[4]:
                jolie
    jim joe
    1   z    0.260476
    
    [1 rows x 1 columns]
    
    # lexically sorting
    In [5]: df2 = df.sort_index()
    
    In [6]: df2
    Out[6]:
                jolie
    jim joe
    0   x    0.126970
        x    0.966718
    1   y    0.897237
        z    0.260476
    
    [4 rows x 1 columns]
    
    In [7]: df2.index.lexsort_depth
    Out[7]: 2
    
    In [8]: df2.loc[(1,'z')]
    Out[8]:
                jolie
    jim joe
    1   z    0.260476
    
    [1 rows x 1 columns]
    
  • 修复了 Series 唯一值(`unique`)在 category 数据类型下的错误,之前它会返回所有类别,无论它们是否“被使用”(详见 GH 8559 中的讨论)。之前的行为是返回所有类别。

    In [3]: cat = pd.Categorical(['a', 'b', 'a'], categories=['a', 'b', 'c'])
    
    In [4]: cat
    Out[4]:
    [a, b, a]
    Categories (3, object): [a < b < c]
    
    In [5]: cat.unique()
    Out[5]: array(['a', 'b', 'c'], dtype=object)
    

    现在,只返回实际出现在数组中的类别。

    In [1]: cat = pd.Categorical(['a', 'b', 'a'], categories=['a', 'b', 'c'])
    
    In [2]: cat.unique()
    Out[2]: 
    ['a', 'b']
    Categories (3, object): ['a', 'b', 'c']
    
  • Series.allSeries.any 现在支持 levelskipna 参数。Series.allSeries.anyIndex.allIndex.any 不再支持为与 ndarray 兼容而存在的 outkeepdims 参数。各种索引类型不再支持 allany 聚合函数,现在将引发 TypeError。 (GH 8302)。

  • 允许分类数据类型(categorical dtype)和对象数据类型(object dtype)的 Series 进行相等性比较;以前这些操作会引发 TypeError (GH 8938)。

  • 修复了 NDFrame 中的错误:现在,冲突的属性/列名称在获取和设置时的行为保持一致。以前,当同时存在名为 y 的列和属性时,data.y 会返回属性,而 data.y = z 会更新列 (GH 8994)。

    In [3]: data = pd.DataFrame({'x': [1, 2, 3]})
    
    In [4]: data.y = 2
    
    In [5]: data['y'] = [2, 4, 6]
    
    In [6]: data
    Out[6]: 
       x  y
    0  1  2
    1  2  4
    2  3  6
    
    [3 rows x 2 columns]
    
    # this assignment was inconsistent
    In [7]: data.y = 5
    

    旧行为

    In [6]: data.y
    Out[6]: 2
    
    In [7]: data['y'].values
    Out[7]: array([5, 5, 5])
    

    新行为

    In [8]: data.y
    Out[8]: 5
    
    In [9]: data['y'].values
    Out[9]: array([2, 4, 6])
    
  • Timestamp('now') 现在等同于 Timestamp.now(),因为它返回本地时间而非 UTC 时间。此外,Timestamp('today') 现在等同于 Timestamp.today(),并且两者都支持 tz 参数。 (GH 9000)

  • 修复了基于标签的切片对负步长(negative step)的支持问题 (GH 8753)。

    旧行为

    In [1]: s = pd.Series(np.arange(3), ['a', 'b', 'c'])
    Out[1]:
    a    0
    b    1
    c    2
    dtype: int64
    
    In [2]: s.loc['c':'a':-1]
    Out[2]:
    c    2
    dtype: int64
    

    新行为

    In [10]: s = pd.Series(np.arange(3), ['a', 'b', 'c'])
    
    In [11]: s.loc['c':'a':-1]
    Out[11]: 
    c    2
    b    1
    a    0
    Length: 3, dtype: int64
    

增强功能#

Categorical 增强功能

  • 增加了将分类数据导出到 Stata 的功能 (GH 8633)。有关导出到 Stata 数据文件的分类变量的限制,请参阅此处

  • StataReaderread_stata 添加了 order_categoricals 标志,用于选择是否对导入的分类数据进行排序 (GH 8836)。有关从 Stata 数据文件导入分类变量的更多信息,请参阅此处

  • 增加了将分类数据导入/导出到 HDF5 的功能 (GH 7621)。查询方式与对象数组相同。但是,category 数据类型的数据以更高效的方式存储。有关示例以及与之前 pandas 版本相关的注意事项,请参阅此处

  • 增加了对 Categorical 类中的 searchsorted() 方法的支持 (GH 8420)。

其他增强功能

  • 增加了在将 DataFrame 写入数据库时指定列的 SQL 类型的功能 (GH 8778)。例如,可以指定对字符串列使用 sqlalchemy 的 String 类型而不是默认的 Text 类型。

    from sqlalchemy.types import String
    data.to_sql('data_dtype', engine, dtype={'Col_1': String})  # noqa F821
    
  • Series.allSeries.any 现在支持 levelskipna 参数 (GH 8302)

    >>> s = pd.Series([False, True, False], index=[0, 0, 1])
    >>> s.any(level=0)
    0     True
    1    False
    dtype: bool
    
  • Panel 现在支持 allany 聚合函数。 (GH 8302)

    >>> p = pd.Panel(np.random.rand(2, 5, 4) > 0.1)
    >>> p.all()
           0      1      2     3
    0   True   True   True  True
    1   True  False   True  True
    2   True   True   True  True
    3  False   True  False  True
    4   True   True   True  True
    
  • 增加了对 Timestamp 类中 utcfromtimestamp()fromtimestamp()combine() 方法的支持 (GH 5351)。

  • 增加了 Google Analytics (pandas.io.ga) 的基本文档 (GH 8835)。请参阅此处

  • 在未知情况下,Timedelta 算术运算返回 NotImplemented,允许自定义类进行扩展 (GH 8813)。

  • Timedelta 现在支持与适当数据类型(仅限 numpy 1.8 或更高版本)的 numpy.ndarray 对象进行算术运算 (GH 8884)。

  • Timedelta.to_timedelta64() 方法添加到公共 API 中 (GH 8884)。

  • gbq.generate_bq_schema() 函数添加到 gbq 模块中 (GH 8325)。

  • Series 现在与 map 对象的工作方式与生成器相同 (GH 8909)。

  • HDFStore 增加了上下文管理器以实现自动关闭 (GH 8791)。

  • to_datetime 增加了 exact 关键字,允许格式不要求与提供的格式字符串完全匹配(如果其为 False)。exact 默认为 True(这意味着精确匹配仍然是默认行为) (GH 8904)。

  • 为 parallel_coordinates 绘图函数添加了布尔选项 axvlines,它决定是否打印垂直线,默认为 True。

  • 增加了 read_html 读取表格页脚的功能 (GH 8552)。

  • to_sql 现在会推断包含 NA 值且数据类型为 object 的列中非 NA 值的数据类型 (GH 8778)。

性能#

  • 在 read_csv 中 skiprows 为整数时减少内存使用量 (GH 8681)。

  • 使用 format= 参数且 exact=Falseto_datetime 转换性能提升 (GH 8904)。

错误修复#

  • 修复了 category 数据类型的 Series 进行 concat 操作时被强制转换为 object 的错误。 (GH 8641)

  • 修复了 Timestamp-Timestamp 操作不返回 Timedelta 类型以及带有时区的日期类型操作的错误 (GH 8865)。

  • 统一了时区不匹配异常(tz 与 None 操作或不兼容时区),现在将返回 TypeError 而不是 ValueError(仅限少数边缘情况),(GH 8865)。

  • 修复了使用没有级别/轴或仅有级别的 pd.Grouper(key=...) 时的错误 (GH 8795, GH 8866)。

  • 当在 groupby 中传递无效/无参数时报告 TypeError (GH 8015)。

  • 修复了使用 py2app/cx_Freeze 打包 pandas 时的错误 (GH 8602, GH 8831)。

  • 修复了 groupby 签名中未包含 *args 或 **kwargs 的错误 (GH 8733)。

  • 当 Yahoo 没有到期日期可用以及从 Yahoo 未收到数据时,io.data.Options 现在会引发 RemoteDataError (GH 8761), (GH 8783)。

  • 修复了 CSV 解析中当传递 dtype 和 names 且解析数据是不同数据类型时错误消息不明确的错误 (GH 8833)。

  • 修复了使用空列表和至少一个布尔索引器对 MultiIndex 进行切片时的错误 (GH 8781)。

  • 当 Yahoo 没有到期日期可用时,io.data.Options 现在会引发 RemoteDataError (GH 8761)。

  • Timedelta 的 kwargs 现在可以是 numpy 整数和浮点数 (GH 8757)。

  • 修复了 Timedelta 算术运算和比较的几个突出错误 (GH 8813, GH 5963, GH 5436)。

  • sql_schema 现在生成适合方言的 CREATE TABLE 语句 (GH 8697)。

  • slice 字符串方法现在考虑了步长 (GH 8754)。

  • 修复了 BlockManager 中,设置不同类型的值会破坏块完整性的错误 (GH 8850)。

  • 修复了在 DatetimeIndex 中使用 time 对象作为键时的错误 (GH 8667)。

  • 修复了 merge 中当 how='left'sort=False 时无法保留左侧 frame 顺序的错误 (GH 7331)。

  • 修复了 MultiIndex.reindex 中在某个级别进行 reindex 操作时不会重新排序标签的错误 (GH 4088)。

  • 修复了 dateutil 时区在某些操作中的错误,表现为 dateutil 2.3 中的问题 (GH 8639)。

  • 修复了带固定/本地偏移时区的 DatetimeIndex 迭代中的回归错误 (GH 8890)。

  • 修复了 to_datetime 在使用 %f 格式解析纳秒时的错误 (GH 8989)。

  • 当 Yahoo 没有到期日期可用以及从 Yahoo 未收到数据时,io.data.Options 现在会引发 RemoteDataError (GH 8761), (GH 8783)。

  • 修复:字体大小仅在垂直时设置在 x 轴上,或在水平时设置在 y 轴上。 (GH 8765)。

  • 修复了在 Python 3 中读取大型 CSV 文件时出现除以 0 的错误 (GH 8621)。

  • 修复了使用 to_html,index=False 输出 MultiIndex 时会额外添加一列的错误 (GH 8452)。

  • 从 Stata 文件导入的分类变量保留了底层数据中的序数信息 (GH 8836)。

  • 定义了 NDFrame 对象上的 .size 属性,以提供与 numpy >= 1.9.1 的兼容性;在使用 np.array_split 时存在错误 (GH 8846)。

  • 跳过 matplotlib <= 1.2 的直方图绘图测试 (GH 8648)。

  • 修复了 get_data_google 返回对象数据类型的错误 (GH 3995)。

  • 修复了 DataFrame.stack(..., dropna=False) 中的错误,当 DataFrame 的 columns 是一个 MultiIndex 且其 labels 未引用其所有 levels 时。 (GH 8844)。

  • 修复了 Option 上下文在 __enter__ 上应用时的错误 (GH 8514)。

  • 修复了 resample 中的一个错误,当跨多天重采样且最后一个偏移量未从范围起点计算时,会导致 ValueError (GH 8683)。

  • 修复了 DataFrame.plot(kind='scatter') 在检查 np.array 是否在 DataFrame 中时失败的错误 (GH 8852)。

  • 修复了 pd.infer_freq/DataFrame.inferred_freq 中的错误,该错误在索引包含夏令时(DST)天时阻止了正确的次日频率推断 (GH 8772)。

  • 修复了在使用 use_index=False 绘制 Series 时仍使用索引名称的错误 (GH 8558)。

  • 修复了尝试堆叠多列时,当某些(或所有)级别名称为数字时的错误 (GH 8584)。

  • 修复了 MultiIndex 中,如果索引不是词典序排序或唯一时,__contains__ 返回错误结果的错误 (GH 7724)。

  • CSV 错误:修复了跳过的行中尾随空格的问题 (GH 8679), (GH 8661), (GH 8983)。

  • 修复了 Timestamp 中无法解析 UTC 的 'Z' 时区指示符的回归错误 (GH 8771)。

  • 修复了 StataWriter 中的错误,它会写入 244 个字符的字符串,无论实际大小如何 (GH 8969)。

  • 修复了当 datetime64 Series 包含 NaT 时,cummin/cummax 引发的 ValueError 错误。 (GH 8965)。

  • 修复了 DataReader 在存在缺失值时返回对象数据类型的错误 (GH 8980)。

  • 修复了绘图中的一个错误,如果启用了 sharex 且索引是时间序列,则会在多个轴上显示标签 (GH 3964)。

  • 修复了向 TimedeltaIndex 构造函数传递单位时,纳秒转换被应用了两次的错误。 (GH 9011)。

  • 修复了绘制类周期数组时的错误 (GH 9012)。

贡献者#

共有 49 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。

  • Aaron Staple

  • Angelos Evripiotis +

  • Artemy Kolchinsky

  • Benoit Pointet +

  • Brian Jacobowski +

  • Charalampos Papaloizou +

  • Chris Warth +

  • David Stephens

  • Fabio Zanini +

  • Francesc Via +

  • Henry Kleynhans +

  • Jake VanderPlas +

  • Jan Schulz

  • Jeff Reback

  • Jeff Tratner

  • Joris Van den Bossche

  • Kevin Sheppard

  • Matt Suggit +

  • Matthew Brett

  • Phillip Cloud

  • Rupert Thompson +

  • Scott E Lasley +

  • Stephan Hoyer

  • Stephen Simmons +

  • Sylvain Corlay +

  • Thomas Grainger +

  • Tiago Antao +

  • Tom Augspurger

  • Trent Hauck

  • Victor Chaves +

  • Victor Salgado +

  • Vikram Bhandoh +

  • WANG Aiyong

  • Will Holmgren +

  • behzad nouri

  • broessli +

  • charalampos papaloizou +

  • immerrr

  • jnmclarty

  • jreback

  • mgilbert +

  • onesandzeroes

  • peadarcoyle +

  • rockg

  • seth-p

  • sinhrks

  • unutbu

  • wavedatalab +

  • Åsmund Hjulstad +