版本 0.21.1 (2017年12月12日)#
这是 0.21.x 系列中的一个小型错误修复版本，包含一些小的回归修复、错误修复和性能改进。我们建议所有用户升级到此版本。
主要亮点包括
临时恢复 matplotlib 日期时间绘图功能。这应该能解决那些隐式依赖 pandas 使用 matplotlib 绘制日期时间的用户的问题。详见 此处。
对 0.21.0 版本引入的 Parquet IO 功能进行了改进。详见 此处。
恢复 Matplotlib 日期时间转换器注册#
pandas 实现了一些 matplotlib 转换器，用于更好地格式化绘图上带有 datetime 或 Period 值的轴标签。在 pandas 0.21.0 之前，这些转换器会作为 import pandas 的副作用而隐式注册到 matplotlib 中。
在 pandas 0.21.0 中，我们要求用户显式注册转换器。这对一些依赖于这些转换器进行常规 matplotlib.pyplot 绘图方法的用户造成了问题，因此我们暂时恢复了这一更改；pandas 0.21.1 在导入时再次注册转换器，就像 0.21.0 之前一样。
我们添加了一个新选项来控制转换器：pd.options.plotting.matplotlib.register_converters。默认情况下，它们是注册的。将其切换为 False 将移除 pandas 的格式化器，并恢复我们在注册时可能覆盖的任何转换器 (GH 18301)。
我们正与 matplotlib 开发者合作，以使其更容易。我们正努力平衡用户便利性（自动注册转换器）与导入性能和最佳实践（导入 pandas 不应产生覆盖已设置的自定义转换器的副作用）。未来，我们希望大部分日期时间格式化功能都在 matplotlib 中实现，而 pandas 中只保留特定于 pandas 的转换器。届时，我们将逐步弃用自动注册转换器，转而支持用户在需要时显式注册。
新特性#
Parquet IO 功能改进#
当底层引擎支持时，
DataFrame.to_parquet()现在将写入非默认索引。使用read_parquet()读回时，索引将得到保留 (GH 18581)。read_parquet()现在允许指定从 parquet 文件中读取的列 (GH 18154)。read_parquet()现在允许指定传递给相应引擎的 kwargs (GH 18216)。
其他改进#
Timestamp.timestamp()现在在 Python 2.7 中可用 (GH 17329)。
弃用#
pandas.tseries.register已重命名为pandas.plotting.register_matplotlib_converters()(GH 18301)。
性能改进#
改进了绘制大型 Series/DataFrame 的性能 (GH 18236)。
错误修复#
转换#
TimedeltaIndex减法中的一个错误可能在存在NaT时错误地溢出 (GH 17791)。DatetimeIndex减去类日期时间（datetimelike）对象时可能无法溢出 (GH 18020)。复制具有非默认
closed属性的IntervalIndex时，IntervalIndex.copy()中存在错误 (GH 18339)。DataFrame.to_dict()中的一个错误导致在使用orient='records'时，时区感知的日期时间列未转换为所需的数组，从而引发TypeError(GH 18372)。DateTimeIndex和date_range()中的一个错误导致如果end.tzinfo为 None，不匹配的时区感知的start和end时区不会引发错误 (GH 18431)。Series.fillna()中的一个错误导致在 Python 2 中传递一个长整型时引发异常 (GH 18159)。
索引#
datetime.datetime和datetime64[ns]dtype 的 Series 进行布尔比较时存在错误 (GH 17965)。当尝试访问
MultiIndex（包含超过一百万条记录）中不存在的属性时，没有引发AttributeError的错误 (GH 18165)。当传入带有非默认
closed参数的间隔列表时，IntervalIndex构造函数中存在错误 (GH 18334)。传递无效掩码时，
Index.putmask中存在错误 (GH 18368)。timedelta64[ns]dtype 的Series进行掩码赋值时存在错误，错误地被强制转换为浮点类型 (GH 18493)。
IO#
解决了
StataReader中未转换具有显示格式的日期/时间列的错误 (GH 17990)。之前，具有显示格式的列通常保留为序数，未转换为日期时间对象。read_csv()读取压缩的 UTF-16 编码文件时存在错误 (GH 18071)。read_csv()在指定na_filter=False时处理索引列中的空值存在错误 (GH 5239)。read_csv()读取高基数的数值分类字段时存在错误 (GH 18186)。当表包含
MultiIndex列，并且为header参数传入了字符串列表时，DataFrame.to_csv()中存在错误 (GH 5539)。read_sql中解析具有指定格式的整数类日期时间（datetime-like）列时存在错误 (GH 17855)。序列化
numpy.bool_数据类型的数据时，DataFrame.to_msgpack()中存在错误 (GH 18390)。read_json()从 S3 读取行分隔 JSON 时未解码的错误 (GH 17200)。pandas.io.json.json_normalize()中避免修改meta参数的错误 (GH 18610)。to_latex()中的一个错误导致即使高层级索引与前一行不同，重复的 MultiIndex 值也没有被打印 (GH 14484)。在
HDFStore中读取仅包含 NaN 的分类列时存在错误 (GH 18413)。使用
longtable=True参数时，DataFrame.to_latex()中的一个错误导致 latex 多列始终跨越三列 (GH 17959)。
绘图#
使用
DatetimeIndex时，DataFrame.plot()和Series.plot()中的一个错误导致它们生成的图形在 Python 3 中不可 pickle (GH 18439)。
GroupBy/resample/rolling#
重塑#
数值#
所有值相等时，
pd.Series.rolling.skew()和rolling.kurt()中存在浮点问题 (GH 18044)。
分类#
在空
DataFrame上转换为 ‘category’ 时，DataFrame.astype()中存在错误，导致分段错误 (GH 18004)。当项目具有不同的
CategoricalDtype时，测试模块中的错误消息已得到改进 (GH 18069)。CategoricalIndex现在可以正确地将pd.api.types.CategoricalDtype作为其 dtype (GH 18116)。当所有类别都为
NaN时，Categorical.unique()返回只读codes数组的错误 (GH 18051)。当使用
CategoricalIndex时，DataFrame.groupby(axis=1)中存在错误 (GH 18432)。
字符串#
Series.str.split()现在将在所有展开的列中传播NaN值，而不是None(GH 18450)。
贡献者#
共有 46 位贡献者为本次发布贡献了补丁。名字旁带有 “+” 的是首次贡献补丁的人员。
Aaron Critchley +
Alex Rychyk
Alexander Buchkovsky +
Alexander Michael Schade +
Chris Mazzullo
Cornelius Riemenschneider +
Dave Hirschfeld +
David Fischer +
David Stansby +
Dror Atariah +
Eric Kisslinger +
Hans +
Ingolf Becker +
Jan Werkmann +
Jeff Reback
Joris Van den Bossche
Jörg Döpfert +
Kevin Kuhl +
Krzysztof Chomski +
Leif Walsh
Licht Takeuchi
Manraj Singh +
Matt Braymer-Hayes +
Michael Waskom +
Mie~~~ +
Peter Hoffmann +
Robert Meyer +
Sam Cohan +
Sietse Brouwer +
Sven +
Tim Swast
Tom Augspurger
Wes Turner
William Ayd +
Yee Mey +
bolkedebruin +
cgohlke
derestle-htwg +
fjdiod +
gabrielclow +
gfyoung
ghasemnaddaf +
jbrockmendel
jschendel
miker985 +
topper-123