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，包含了一些新特性和增强功能，同时修复了大量错误。新特性包括 DataFrame 和 Series 的按列排序顺序、改进的 rank 方法 NA 处理、DataFrame 的掩码函数以及 DataFrame 的日内时间序列过滤。

新特性#

  • 现在可以按每列的方式指定 Series.sort、DataFrame.sort 和 DataFrame.sort_index，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 na_option 参数的附加参数值，以便可以将缺失值指定为最大或最小排名 (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

[6 rows x 3 columns]

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

[6 rows x 3 columns]

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

[6 rows x 3 columns]

  • DataFrame 新增了 where 和 mask 方法，可根据给定的布尔掩码选择值 (GH 2109, GH 2151)

    DataFrame 当前支持通过与 DataFrame 长度相同的布尔向量进行切片（在 [] 内部）。返回的 DataFrame 列数与原始 DataFrame 相同，但按其索引进行切片。

    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

[5 rows x 3 columns]

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

[3 rows x 3 columns]

    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，则返回一个与原始 DataFrame 大小相同（索引和列）的 DataFrame，其中不满足布尔条件的元素为 NaN。这是通过新方法 DataFrame.where 实现的。此外，where 还接受一个可选的 other 参数用于替换。

    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

[5 rows x 3 columns]

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

[5 rows x 3 columns]

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

[5 rows x 3 columns]

    此外，where 现在会对输入的布尔条件（ndarray 或 DataFrame）进行对齐，从而可以进行带设置的部分选择。这类似于通过 .ix 进行的部分设置（但作用于内容而非轴标签）。

    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

[5 rows x 3 columns]

    DataFrame.mask 是 where 的逆向布尔操作。

    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

[5 rows x 3 columns]

  • 启用通过列名称引用 Excel 列的功能 (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')

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

  • 将现有的 TimeSeries 方法 at_time 和 between_time 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 变更#

  • 对带有 PeriodIndex 的数据进行上采样将生成跨越原始时间窗口的更高频率 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 现在返回时间间隔内的最后一个纳秒 (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')

  • 文件解析器不再对指定了自定义转换器的列强制转换为 float 或 bool 类型 (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

[2 rows x 3 columns]

请参阅 完整的版本说明 或 GitHub 上的问题跟踪器以获取完整列表。

贡献者#

共有 11 位贡献者为此版本贡献了补丁。名字旁带有“+”的人是首次贡献补丁。

  • Brenda Moon +

  • Chang She

  • Jeff Reback +

  • Justin C Johnson +

  • K.-Michael Aye

  • Martin Blais

  • Tobias Brandt +

  • Wes McKinney

  • Wouter Overmeire

  • timmie

  • y-p