版本 0.15.0 (2014年10月18日)#
这是从 0.14.1 开始的一个主要版本，包含少量 API 更改、一些新特性、功能增强和性能改进，以及大量的 bug 修复。我们建议所有用户升级到此版本。
警告
pandas >= 0.15.0 将不再支持 NumPy 版本 < 1.7.0。如果您想使用最新版本的 pandas，请升级到 NumPy >= 1.7.0 (GH 7711)
主要亮点包括
Categorical类型已集成作为一级 pandas 类型，详见此处新的标量类型
Timedelta，以及新的索引类型TimedeltaIndex，详见此处新的日期时间类属性访问器
.dt用于 Series，详见日期时间类属性新的 DataFrame 默认显示方式，
df.info()中包含内存使用情况，详见内存使用read_csv现在默认在解析时忽略空白行，详见此处在集合操作中使用 Index 的 API 更改，详见此处
时区处理的增强功能，详见此处
对滚动和扩展矩函数的许多改进，详见此处
Index类内部重构，不再继承ndarray，详见内部重构放弃对版本低于 3.0.0 的
PyTables和版本低于 2.1 的numexpr的支持 (GH 7990)将索引文档拆分为索引和数据选择以及MultiIndex / 高级索引
将字符串方法文档拆分为处理文本数据
警告
在 0.15.0 中，Index 的内部已重构，不再继承 ndarray，而是继承 PandasObject，这与其他 pandas 对象类似。此更改允许非常容易地创建新的索引类型子类。这应该是一个透明的更改，对 API 的影响非常有限（详见内部重构）
警告
Categorical 中的重构将接受两个参数的构造函数从“codes/labels 和 levels”更改为“values 和 levels（现在称为 'categories'）”。这可能导致一些不易察觉的 bug。如果您直接使用 Categorical，请在更新到此 pandas 版本之前审计您的代码，并将其更改为使用 from_codes() 构造函数。更多关于 Categorical 的信息详见此处
新特性#
Series/DataFrame 中的 Categorical#
Categorical 现在可以包含在 Series 和 DataFrames 中，并获得了一些新的操作方法。感谢 Jan Schulz 贡献了大部分 API/实现。（GH 3943, GH 5313, GH 5314, GH 7444, GH 7839, GH 7848, GH 7864, GH 7914, GH 7768, GH 8006, GH 3678, GH 8075, GH 8076, GH 8143, GH 8453, GH 8518）。
有关完整文档，请参阅Categorical 介绍和API 文档。
In [1]: df = pd.DataFrame({"id": [1, 2, 3, 4, 5, 6],
...: "raw_grade": ['a', 'b', 'b', 'a', 'a', 'e']})
...:
In [2]: df["grade"] = df["raw_grade"].astype("category")
In [3]: df["grade"]
Out[3]:
0 a
1 b
2 b
3 a
4 a
5 e
Name: grade, Length: 6, dtype: category
Categories (3, object): ['a', 'b', 'e']
# Rename the categories
In [4]: df["grade"] = df["grade"].cat.rename_categories(["very good", "good", "very bad"])
# Reorder the categories and simultaneously add the missing categories
In [5]: df["grade"] = df["grade"].cat.set_categories(["very bad", "bad",
...: "medium", "good", "very good"])
...:
In [6]: df["grade"]
Out[6]:
0 very good
1 good
2 good
3 very good
4 very good
5 very bad
Name: grade, Length: 6, dtype: category
Categories (5, object): ['very bad', 'bad', 'medium', 'good', 'very good']
In [7]: df.sort_values("grade")
Out[7]:
id raw_grade grade
5 6 e very bad
1 2 b good
2 3 b good
0 1 a very good
3 4 a very good
4 5 a very good
[6 rows x 3 columns]
In [8]: df.groupby("grade", observed=False).size()
Out[8]:
grade
very bad 1
bad 0
medium 0
good 2
very good 3
Length: 5, dtype: int64
pandas.core.group_agg和pandas.core.factor_agg已被移除。作为替代方案，可以构建一个 dataframe 并使用df.groupby(<group>).agg(<func>)。向
Categorical构造函数提供“codes/labels 和 levels”不再受支持。向构造函数提供两个参数现在被解释为“values 和 levels（现在称为 'categories'）”。请更改您的代码以使用from_codes()构造函数。Categorical.labels属性已重命名为Categorical.codes且为只读。如果您想操作 codes，请使用 Categorical 的 API 方法之一。Categorical.levels属性已重命名为Categorical.categories。
TimedeltaIndex/标量#
我们引入了一种新的标量类型 Timedelta，它是 datetime.timedelta 的子类，行为类似，但兼容 np.timedelta64 类型，并提供一系列自定义表示、解析和属性。此类型与 Timestamp 处理 datetimes 的方式非常相似。它是该类型的一个便捷 API 封装。详见文档。（GH 3009, GH 4533, GH 8209, GH 8187, GH 8190, GH 7869, GH 7661, GH 8345, GH 8471）
警告
Timedelta 标量（以及 TimedeltaIndex）的组件字段与 datetime.timedelta 对象的组件字段不同。例如，datetime.timedelta 对象的 .seconds 返回 hours、minutes 和 seconds 的总秒数。相比之下，pandas 的 Timedelta 分别列出 hours、minutes、microseconds 和 nanoseconds。
# Timedelta accessor
In [9]: tds = pd.Timedelta('31 days 5 min 3 sec')
In [10]: tds.minutes
Out[10]: 5L
In [11]: tds.seconds
Out[11]: 3L
# datetime.timedelta accessor
# this is 5 minutes * 60 + 3 seconds
In [12]: tds.to_pytimedelta().seconds
Out[12]: 303
注意：从 v0.16.0 开始，这不再成立，该版本引入了与 datetime.timedelta 的完全兼容性。详见0.16.0 版本新特性条目
警告
在 0.15.0 之前，pd.to_timedelta 对于 list-like/Series 输入会返回 Series，对于标量输入会返回 np.timedelta64。现在，它对于 list-like 输入将返回 TimedeltaIndex，对于 Series 输入返回 Series，对于标量输入返回 Timedelta。
pd.to_timedelta 的参数现在是 (arg,unit='ns',box=True,coerce=False)，之前是 (arg,box=True,unit='ns')，因为现在这样更符合逻辑。
构造一个标量
In [9]: pd.Timedelta('1 days 06:05:01.00003')
Out[9]: Timedelta('1 days 06:05:01.000030')
In [10]: pd.Timedelta('15.5us')
Out[10]: Timedelta('0 days 00:00:00.000015500')
In [11]: pd.Timedelta('1 hour 15.5us')
Out[11]: Timedelta('0 days 01:00:00.000015500')
# negative Timedeltas have this string repr
# to be more consistent with datetime.timedelta conventions
In [12]: pd.Timedelta('-1us')
Out[12]: Timedelta('-1 days +23:59:59.999999')
# a NaT
In [13]: pd.Timedelta('nan')
Out[13]: NaT
访问 Timedelta 的字段
In [14]: td = pd.Timedelta('1 hour 3m 15.5us')
In [15]: td.seconds
Out[15]: 3780
In [16]: td.microseconds
Out[16]: 15
In [17]: td.nanoseconds
Out[17]: 500
构造一个 TimedeltaIndex
In [18]: pd.TimedeltaIndex(['1 days', '1 days, 00:00:05',
....: np.timedelta64(2, 'D'),
....: datetime.timedelta(days=2, seconds=2)])
....:
Out[18]:
TimedeltaIndex(['1 days 00:00:00', '1 days 00:00:05', '2 days 00:00:00',
'2 days 00:00:02'],
dtype='timedelta64[ns]', freq=None)
使用常规范围构造一个 TimedeltaIndex
In [19]: pd.timedelta_range('1 days', periods=5, freq='D')
Out[19]: TimedeltaIndex(['1 days', '2 days', '3 days', '4 days', '5 days'], dtype='timedelta64[ns]', freq='D')
In [20]: pd.timedelta_range(start='1 days', end='2 days', freq='30T')
Out[20]:
TimedeltaIndex(['1 days 00:00:00', '1 days 00:30:00', '1 days 01:00:00',
'1 days 01:30:00', '1 days 02:00:00', '1 days 02:30:00',
'1 days 03:00:00', '1 days 03:30:00', '1 days 04:00:00',
'1 days 04:30:00', '1 days 05:00:00', '1 days 05:30:00',
'1 days 06:00:00', '1 days 06:30:00', '1 days 07:00:00',
'1 days 07:30:00', '1 days 08:00:00', '1 days 08:30:00',
'1 days 09:00:00', '1 days 09:30:00', '1 days 10:00:00',
'1 days 10:30:00', '1 days 11:00:00', '1 days 11:30:00',
'1 days 12:00:00', '1 days 12:30:00', '1 days 13:00:00',
'1 days 13:30:00', '1 days 14:00:00', '1 days 14:30:00',
'1 days 15:00:00', '1 days 15:30:00', '1 days 16:00:00',
'1 days 16:30:00', '1 days 17:00:00', '1 days 17:30:00',
'1 days 18:00:00', '1 days 18:30:00', '1 days 19:00:00',
'1 days 19:30:00', '1 days 20:00:00', '1 days 20:30:00',
'1 days 21:00:00', '1 days 21:30:00', '1 days 22:00:00',
'1 days 22:30:00', '1 days 23:00:00', '1 days 23:30:00',
'2 days 00:00:00'],
dtype='timedelta64[ns]', freq='30T')
您现在可以使用 TimedeltaIndex 作为 pandas 对象的索引
In [20]: s = pd.Series(np.arange(5),
....: index=pd.timedelta_range('1 days', periods=5, freq='s'))
....:
In [21]: s
Out[21]:
1 days 00:00:00 0
1 days 00:00:01 1
1 days 00:00:02 2
1 days 00:00:03 3
1 days 00:00:04 4
Freq: s, Length: 5, dtype: int64
您可以使用部分字符串选择进行选择
In [22]: s['1 day 00:00:02']
Out[22]: 2
In [23]: s['1 day':'1 day 00:00:02']
Out[23]:
1 days 00:00:00 0
1 days 00:00:01 1
1 days 00:00:02 2
Freq: s, Length: 3, dtype: int64
最后，TimedeltaIndex 与 DatetimeIndex 的组合允许某些保留 NaT 的组合操作
In [24]: tdi = pd.TimedeltaIndex(['1 days', pd.NaT, '2 days'])
In [25]: tdi.tolist()
Out[25]: [Timedelta('1 days 00:00:00'), NaT, Timedelta('2 days 00:00:00')]
In [26]: dti = pd.date_range('20130101', periods=3)
In [27]: dti.tolist()
Out[27]:
[Timestamp('2013-01-01 00:00:00'),
Timestamp('2013-01-02 00:00:00'),
Timestamp('2013-01-03 00:00:00')]
In [28]: (dti + tdi).tolist()
Out[28]: [Timestamp('2013-01-02 00:00:00'), NaT, Timestamp('2013-01-05 00:00:00')]
In [29]: (dti - tdi).tolist()
Out[29]: [Timestamp('2012-12-31 00:00:00'), NaT, Timestamp('2013-01-01 00:00:00')]
对
Series进行迭代，例如list(Series(...))的timedelta64[ns]在 v0.15.0 之前会为每个元素返回np.timedelta64。现在，这些元素将被封装在Timedelta中。
内存使用#
实现了查找 DataFrame 内存使用情况的方法。更多信息请参阅FAQ。（GH 6852）。
新的显示选项 display.memory_usage（详见选项和设置）设置了 df.info() 方法中 memory_usage 参数的默认行为。默认情况下，display.memory_usage 为 True。
In [30]: dtypes = ['int64', 'float64', 'datetime64[ns]', 'timedelta64[ns]',
....: 'complex128', 'object', 'bool']
....:
In [31]: n = 5000
In [32]: data = {t: np.random.randint(100, size=n).astype(t) for t in dtypes}
In [33]: df = pd.DataFrame(data)
In [34]: df['categorical'] = df['object'].astype('category')
In [35]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5000 entries, 0 to 4999
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 int64 5000 non-null int64
1 float64 5000 non-null float64
2 datetime64[ns] 5000 non-null datetime64[ns]
3 timedelta64[ns] 5000 non-null timedelta64[ns]
4 complex128 5000 non-null complex128
5 object 5000 non-null object
6 bool 5000 non-null bool
7 categorical 5000 non-null category
dtypes: bool(1), category(1), complex128(1), datetime64[ns](1), float64(1), int64(1), object(1), timedelta64[ns](1)
memory usage: 288.2+ KB
此外，memory_usage() 是 dataframe 对象的一个可用方法，它返回每列的内存使用情况。
In [36]: df.memory_usage(index=True)
Out[36]:
Index 128
int64 40000
float64 40000
datetime64[ns] 40000
timedelta64[ns] 40000
complex128 80000
object 40000
bool 5000
categorical 9968
Length: 9, dtype: int64
Series.dt 访问器#
Series 获得了一个访问器，如果其值为日期时间/周期类，则可以简洁地返回 Series 的值的日期时间类属性。（GH 7207）这将返回一个 Series，其索引与现有 Series 相同。详见文档
# datetime
In [37]: s = pd.Series(pd.date_range('20130101 09:10:12', periods=4))
In [38]: s
Out[38]:
0 2013-01-01 09:10:12
1 2013-01-02 09:10:12
2 2013-01-03 09:10:12
3 2013-01-04 09:10:12
Length: 4, dtype: datetime64[ns]
In [39]: s.dt.hour
Out[39]:
0 9
1 9
2 9
3 9
Length: 4, dtype: int32
In [40]: s.dt.second
Out[40]:
0 12
1 12
2 12
3 12
Length: 4, dtype: int32
In [41]: s.dt.day
Out[41]:
0 1
1 2
2 3
3 4
Length: 4, dtype: int32
In [42]: s.dt.freq
Out[42]: 'D'
这使得以下简洁的表达成为可能
In [43]: s[s.dt.day == 2]
Out[43]:
1 2013-01-02 09:10:12
Length: 1, dtype: datetime64[ns]
您可以轻松生成感知时区的转换
In [44]: stz = s.dt.tz_localize('US/Eastern')
In [45]: stz
Out[45]:
0 2013-01-01 09:10:12-05:00
1 2013-01-02 09:10:12-05:00
2 2013-01-03 09:10:12-05:00
3 2013-01-04 09:10:12-05:00
Length: 4, dtype: datetime64[ns, US/Eastern]
In [46]: stz.dt.tz
Out[46]: <DstTzInfo 'US/Eastern' LMT-1 day, 19:04:00 STD>
您也可以链式执行这些类型的操作
In [47]: s.dt.tz_localize('UTC').dt.tz_convert('US/Eastern')
Out[47]:
0 2013-01-01 04:10:12-05:00
1 2013-01-02 04:10:12-05:00
2 2013-01-03 04:10:12-05:00
3 2013-01-04 04:10:12-05:00
Length: 4, dtype: datetime64[ns, US/Eastern]
的 .dt 访问器适用于 period 和 timedelta dtypes。
# period
In [48]: s = pd.Series(pd.period_range('20130101', periods=4, freq='D'))
In [49]: s
Out[49]:
0 2013-01-01
1 2013-01-02
2 2013-01-03
3 2013-01-04
Length: 4, dtype: period[D]
In [50]: s.dt.year
Out[50]:
0 2013
1 2013
2 2013
3 2013
Length: 4, dtype: int64
In [51]: s.dt.day
Out[51]:
0 1
1 2
2 3
3 4
Length: 4, dtype: int64
# timedelta
In [52]: s = pd.Series(pd.timedelta_range('1 day 00:00:05', periods=4, freq='s'))
In [53]: s
Out[53]:
0 1 days 00:00:05
1 1 days 00:00:06
2 1 days 00:00:07
3 1 days 00:00:08
Length: 4, dtype: timedelta64[ns]
In [54]: s.dt.days
Out[54]:
0 1
1 1
2 1
3 1
Length: 4, dtype: int64
In [55]: s.dt.seconds
Out[55]:
0 5
1 6
2 7
3 8
Length: 4, dtype: int32
In [56]: s.dt.components
Out[56]:
days hours minutes seconds milliseconds microseconds nanoseconds
0 1 0 0 5 0 0 0
1 1 0 0 6 0 0 0
2 1 0 0 7 0 0 0
3 1 0 0 8 0 0 0
[4 rows x 7 columns]
时区处理改进#
对于感知时区的
Timestamp和DatetimeIndex，tz_localize(None)现在会移除时区并保留本地时间，之前这会导致Exception或TypeError(GH 7812)In [58]: ts = pd.Timestamp('2014-08-01 09:00', tz='US/Eastern') In[59]: ts Out[59]: Timestamp('2014-08-01 09:00:00-0400', tz='US/Eastern') In [60]: ts.tz_localize(None) Out[60]: Timestamp('2014-08-01 09:00:00') In [61]: didx = pd.date_range(start='2014-08-01 09:00', freq='H', ....: periods=10, tz='US/Eastern') ....: In [62]: didx Out[62]: DatetimeIndex(['2014-08-01 09:00:00-04:00', '2014-08-01 10:00:00-04:00', '2014-08-01 11:00:00-04:00', '2014-08-01 12:00:00-04:00', '2014-08-01 13:00:00-04:00', '2014-08-01 14:00:00-04:00', '2014-08-01 15:00:00-04:00', '2014-08-01 16:00:00-04:00', '2014-08-01 17:00:00-04:00', '2014-08-01 18:00:00-04:00'], dtype='datetime64[ns, US/Eastern]', freq='H') In [63]: didx.tz_localize(None) Out[63]: DatetimeIndex(['2014-08-01 09:00:00', '2014-08-01 10:00:00', '2014-08-01 11:00:00', '2014-08-01 12:00:00', '2014-08-01 13:00:00', '2014-08-01 14:00:00', '2014-08-01 15:00:00', '2014-08-01 16:00:00', '2014-08-01 17:00:00', '2014-08-01 18:00:00'], dtype='datetime64[ns]', freq=None)
tz_localize现在接受ambiguous关键字，该关键字允许传入一个布尔数组以指示日期是否属于夏令时，传入 ‘NaT’ 将过渡时间设置为 NaT，传入 ‘infer’ 自动推断夏令时/非夏令时，传入 ‘raise’（默认）则会引发AmbiguousTimeError。更多详细信息请参阅文档 (GH 7943)DataFrame.tz_localize和DataFrame.tz_convert现在接受一个可选的level参数，用于对 MultiIndex 的特定层进行本地化 (GH 7846)Timestamp.tz_localize和Timestamp.tz_convert现在在错误情况下会引发TypeError，而不是Exception(GH 8025)本地化为 UTC 的时间序列/索引在插入 Series/DataFrame 时将保留 UTC 时区（而不是成为朴素的
datetime64[ns]），其 dtype 为object(GH 8411)Timestamp.__repr__显示dateutil.tz.tzoffset信息 (GH 7907)
滚动/扩展矩函数改进#
rolling_min(),rolling_max(),rolling_cov()和rolling_corr()现在在len(arg) < min_periods <= window时返回全部为NaN的对象，而不是引发异常。（这使得所有滚动函数的行为一致）。(GH 7766)在 0.15.0 之前
In [57]: s = pd.Series([10, 11, 12, 13])
In [15]: pd.rolling_min(s, window=10, min_periods=5) ValueError: min_periods (5) must be <= window (4)
新的行为
In [4]: pd.rolling_min(s, window=10, min_periods=5) Out[4]: 0 NaN 1 NaN 2 NaN 3 NaN dtype: float64
在使用
center=True时，rolling_max(),rolling_min(),rolling_sum(),rolling_mean(),rolling_median(),rolling_std(),rolling_var(),rolling_skew(),rolling_kurt(),rolling_quantile(),rolling_cov(),rolling_corr(),rolling_corr_pairwise(),rolling_window()和rolling_apply()之前会返回与输入arg相同结构的结果，并在最后(window-1)/2个条目中填充NaN。现在，结果的最后
(window-1)/2个条目会计算，就像输入arg后面跟着(window-1)/2个NaN值一样（或者在使用缩减窗口的情况下，如rolling_apply()）。(GH 7925, GH 8269)之前的行为（注意最终值为
NaN）In [7]: pd.rolling_sum(Series(range(4)), window=3, min_periods=0, center=True) Out[7]: 0 1 1 3 2 6 3 NaN dtype: float64
新的行为（注意最终值为
5 = sum([2, 3, NaN])）In [7]: pd.rolling_sum(pd.Series(range(4)), window=3, ....: min_periods=0, center=True) Out[7]: 0 1 1 3 2 6 3 5 dtype: float64
rolling_window()现在在滚动均值模式 (mean=True) 中正确地归一化权重，使得计算出的加权均值（例如 'triang', 'gaussian'）分布在与未加权计算（即 'boxcar'）相同的均值附近。更多详细信息请参阅关于归一化的说明。(GH 7618)In [58]: s = pd.Series([10.5, 8.8, 11.4, 9.7, 9.3])
在 0.15.0 之前的行为
In [39]: pd.rolling_window(s, window=3, win_type='triang', center=True) Out[39]: 0 NaN 1 6.583333 2 6.883333 3 6.683333 4 NaN dtype: float64
新的行为
In [10]: pd.rolling_window(s, window=3, win_type='triang', center=True) Out[10]: 0 NaN 1 9.875 2 10.325 3 10.025 4 NaN dtype: float64
从所有
expanding_函数中移除了center参数（详见列表），因为center=True时产生的结果意义不大。(GH 7925)向
expanding_cov()和rolling_cov()添加了可选的ddof参数。默认值1向后兼容。(GH 8279)文档化了
expanding_var(),expanding_std(),rolling_var()和rolling_std()的ddof参数。这些函数对ddof参数的支持（默认值为1）之前未被文档化。(GH 8064)ewma(),ewmstd(),ewmvol(),ewmvar(),ewmcov()和ewmcorr()现在以与rolling_*()和expanding_*()函数相同的方式解释min_periods：如果（在此情况下为扩展）窗口不包含至少min_periods个值，则给定的结果条目将为NaN。之前的行为是将从第一个非NaN值开始的min_periods个条目设置为NaN。(GH 7977)之前的行为（注意值从索引
2开始，这是在索引0（第一个非空值的索引）之后min_periods）In [59]: s = pd.Series([1, None, None, None, 2, 3])
In [51]: pd.ewma(s, com=3., min_periods=2) Out[51]: 0 NaN 1 NaN 2 1.000000 3 1.000000 4 1.571429 5 2.189189 dtype: float64
新的行为（注意值从索引
4开始，这是第 2 个（因为min_periods=2）非空值的位置）In [2]: pd.ewma(s, com=3., min_periods=2) Out[2]: 0 NaN 1 NaN 2 NaN 3 NaN 4 1.759644 5 2.383784 dtype: float64
ewmstd(),ewmvol(),ewmvar(),ewmcov()和ewmcorr()现在拥有可选的adjust参数，就像ewma()一样，影响权重的计算方式。adjust的默认值为True，向后兼容。详见指数加权矩函数以获取详细信息。(GH 7911)ewma(),ewmstd(),ewmvol(),ewmvar(),ewmcov()和ewmcorr()现在有一个可选的ignore_na参数。当ignore_na=False（默认值）时，在计算权重时会考虑缺失值。当ignore_na=True（复制 0.15.0 之前的行为）时，在计算权重时会忽略缺失值。(GH 7543)In [7]: pd.ewma(pd.Series([None, 1., 8.]), com=2.) Out[7]: 0 NaN 1 1.0 2 5.2 dtype: float64 In [8]: pd.ewma(pd.Series([1., None, 8.]), com=2., ....: ignore_na=True) # pre-0.15.0 behavior Out[8]: 0 1.0 1 1.0 2 5.2 dtype: float64 In [9]: pd.ewma(pd.Series([1., None, 8.]), com=2., ....: ignore_na=False) # new default Out[9]: 0 1.000000 1 1.000000 2 5.846154 dtype: float64
警告
默认情况下 (
ignore_na=False)，在存在缺失值的情况下，ewm*()函数的权重计算与 0.15.0 之前的版本不同。要复制 0.15.0 之前版本在存在缺失值时的权重计算，必须显式指定ignore_na=True。在
expanding_cov()、expanding_corr()、rolling_cov()、rolling_cor()、ewmcov()和ewmcorr()中的一个 Bug，之前在返回结果时会按名称对列进行排序，并且对非唯一列产生错误；现在该 Bug 已修复，可以处理非唯一列，并按原始顺序返回列（对于两个DataFrame使用pairwise=False的情况除外，此行为保持不变）(GH 7542)在
rolling_count()和expanding_*()函数中，处理零长度数据时会不必要地产生错误消息的 Bug (GH 8056)在
rolling_apply()和expanding_apply()函数中，将min_periods=0解释为min_periods=1的 Bug (GH 8080)在
expanding_std()和expanding_var()函数中，处理单个值时产生令人困惑的错误消息的 Bug (GH 7900)在
rolling_std()和rolling_var()函数中，处理单个值时返回0而非NaN的 Bug (GH 7900)在
ewmstd()、ewmvol()、ewmvar()和ewmcov()计算bias=False（默认值）时的去偏差因子时存在 Bug。以前使用了一个不正确的常数因子，该因子基于adjust=True、ignore_na=True和无限多的观测值。现在为每个条目使用一个不同的因子，该因子基于实际权重（类似于通常的N/(N-1)因子）。特别是，对于单个点，当bias=False时返回NaN值，而以前返回的值（大约）为0。例如，考虑以下 0.15.0 版本之前的
ewmvar(..., bias=False)结果以及相应的去偏差因子In [60]: s = pd.Series([1., 2., 0., 4.])
In [89]: pd.ewmvar(s, com=2., bias=False) Out[89]: 0 -2.775558e-16 1 3.000000e-01 2 9.556787e-01 3 3.585799e+00 dtype: float64 In [90]: pd.ewmvar(s, com=2., bias=False) / pd.ewmvar(s, com=2., bias=True) Out[90]: 0 1.25 1 1.25 2 1.25 3 1.25 dtype: float64
注意，条目
0大约为 0，去偏差因子是常数 1.25。相比之下，以下 0.15.0 版本的结果在条目0处为NaN，去偏差因子正在减小（趋向于 1.25）In [14]: pd.ewmvar(s, com=2., bias=False) Out[14]: 0 NaN 1 0.500000 2 1.210526 3 4.089069 dtype: float64 In [15]: pd.ewmvar(s, com=2., bias=False) / pd.ewmvar(s, com=2., bias=True) Out[15]: 0 NaN 1 2.083333 2 1.583333 3 1.425439 dtype: float64
详情请参见 指数加权矩函数。(GH 7912)
SQL IO 模块的改进#
为
to_sql函数添加了对chunksize参数的支持。这允许以分块方式写入DataFrame，从而避免数据包大小溢出错误 (GH 8062)。为
read_sql函数添加了对chunksize参数的支持。指定此参数将返回一个迭代器，用于遍历查询结果的各个分块 (GH 2908)。使用
to_sql函数写入datetime.date和datetime.time对象列时增加了支持 (GH 6932)。使用
read_sql_table和to_sql函数时，添加了对指定schema进行读/写的支持 (GH 7441, GH 7952)。例如df.to_sql('table', engine, schema='other_schema') # noqa F821 pd.read_sql_table('table', engine, schema='other_schema') # noqa F821
使用
to_sql函数写入NaN值时增加了支持 (GH 2754)。使用
to_sql函数写入 datetime64 列时增加了支持，适用于所有数据库类型 (GH 7103)。
不兼容旧版本的 API 更改#
重大更改#
与 Categorical 相关的 API 更改（详情请参见 此处）
带有两个参数的
Categorical构造函数从“codes/labels 和 levels”更改为“values 和 levels（现在称为‘categories’）”。这可能导致细微的 Bug。如果直接使用Categorical，请审查代码，改为使用from_codes()构造函数。旧函数调用，例如（0.15.0 版本之前）
pd.Categorical([0,1,0,2,1], levels=['a', 'b', 'c'])
需要改为以下形式以保持相同行为
In [2]: pd.Categorical.from_codes([0,1,0,2,1], categories=['a', 'b', 'c']) Out[2]: [a, b, a, c, b] Categories (3, object): [a, b, c]
与引入 Timedelta 标量相关的 API 更改（详情请参见 上文）
在 0.15.0 版本之前，
to_timedelta()对于列表式/Series 输入会返回一个Series，对于标量输入会返回一个np.timedelta64。现在对于列表式输入会返回TimedeltaIndex，对于 Series 输入会返回Series，对于标量输入会返回Timedelta。
有关滚动和扩展函数相关的 API 更改，请参阅 上文 的详细概述。
其他值得注意的 API 更改
使用
.loc和列表式索引器进行索引时，如果未找到任何值，行为保持一致。In [61]: df = pd.DataFrame([['a'], ['b']], index=[1, 2]) In [62]: df Out[62]: 0 1 a 2 b [2 rows x 1 columns]
在先前版本中，这两种构造方式有所不同
df.loc[[3]]会返回一个按 3 重新索引的帧（所有值为np.nan）df.loc[[3],:]会引发KeyError。
现在两者都会引发
KeyError。规则是，当使用列表式索引器和.loc时，必须找到 至少 1 个 索引项 (GH 7999)此外，在先前版本中，以下情况也不同
df.loc[[1,3]]会返回一个按 [1,3] 重新索引的帧df.loc[[1,3],:]会引发KeyError。
现在两者都会返回一个按 [1,3] 重新索引的帧。例如
In [3]: df.loc[[1, 3]] Out[3]: 0 1 a 3 NaN In [4]: df.loc[[1, 3], :] Out[4]: 0 1 a 3 NaN
这也可以在使用
Panel进行多轴索引时看到。>>> p = pd.Panel(np.arange(2 * 3 * 4).reshape(2, 3, 4), ... items=['ItemA', 'ItemB'], ... major_axis=[1, 2, 3], ... minor_axis=['A', 'B', 'C', 'D']) >>> p <class 'pandas.core.panel.Panel'> Dimensions: 2 (items) x 3 (major_axis) x 4 (minor_axis) Items axis: ItemA to ItemB Major_axis axis: 1 to 3 Minor_axis axis: A to D
以下情况在 0.15.0 版本之前会引发
KeyErrorIn [5]: Out[5]: ItemA ItemD 1 3 NaN 2 7 NaN 3 11 NaN
此外，在使用列表式索引器对
MultiIndex进行索引时，如果未找到任何值，.loc会引发错误In [63]: s = pd.Series(np.arange(3, dtype='int64'), ....: index=pd.MultiIndex.from_product([['A'], ....: ['foo', 'bar', 'baz']], ....: names=['one', 'two']) ....: ).sort_index() ....: In [64]: s Out[64]: one two A bar 1 baz 2 foo 0 Length: 3, dtype: int64 In [65]: try: ....: s.loc[['D']] ....: except KeyError as e: ....: print("KeyError: " + str(e)) ....: KeyError: "['D'] not in index"
现在将值赋给
None时会考虑 dtype，从而选择一个“空”值 (GH 7941)。以前，在数值容器中将值赋给
None会将 dtype 更改为 object（或者根据调用方式报错）。现在它使用NaNIn [66]: s = pd.Series([1., 2., 3.]) In [67]: s.loc[0] = None In [68]: s Out[68]: 0 NaN 1 2.0 2 3.0 Length: 3, dtype: float64
现在对日期时间容器也类似地使用
NaT。对于 object 容器，我们现在保留
None值（以前这些值被转换为NaN值）。In [69]: s = pd.Series(["a", "b", "c"]) In [70]: s.loc[0] = None In [71]: s Out[71]: 0 None 1 b 2 c Length: 3, dtype: object
要插入一个
NaN，必须显式使用np.nan。请参见 文档。在先前版本中，对 pandas 对象进行原地更新不会反映到 Python 对该对象的其他引用上 (GH 8511, GH 5104)
In [72]: s = pd.Series([1, 2, 3]) In [73]: s2 = s In [74]: s += 1.5
v0.15.0 版本之前的行为
# the original object In [5]: s Out[5]: 0 2.5 1 3.5 2 4.5 dtype: float64 # a reference to the original object In [7]: s2 Out[7]: 0 1 1 2 2 3 dtype: int64
现在这是正确的行为
# the original object In [75]: s Out[75]: 0 2.5 1 3.5 2 4.5 Length: 3, dtype: float64 # a reference to the original object In [76]: s2 Out[76]: 0 2.5 1 3.5 2 4.5 Length: 3, dtype: float64
使
read_csv和read_table的 C 引擎和 Python 引擎都忽略输入中的空行和仅包含空白字符的行，只要sep不是空白字符即可。这是一个 API 更改，可以通过关键字参数skip_blank_lines控制。请参见 文档 (GH 4466)将本地化为 UTC 的时间序列/索引插入到 Series/DataFrame 中时，将保留 UTC 时区并以
objectdtype 插入，而不是转换为朴素的datetime64[ns](GH 8411)。从字典构建 DataFrame 时，传递带有未保留时区的
DatetimeIndex的 Bug (GH 7822)在先前版本中，这会丢弃时区，现在它会保留时区，但会生成一个
objectdtype 的列In [77]: i = pd.date_range('1/1/2011', periods=3, freq='10s', tz='US/Eastern') In [78]: i Out[78]: DatetimeIndex(['2011-01-01 00:00:00-05:00', '2011-01-01 00:00:10-05:00', '2011-01-01 00:00:20-05:00'], dtype='datetime64[ns, US/Eastern]', freq='10s') In [79]: df = pd.DataFrame({'a': i}) In [80]: df Out[80]: a 0 2011-01-01 00:00:00-05:00 1 2011-01-01 00:00:10-05:00 2 2011-01-01 00:00:20-05:00 [3 rows x 1 columns] In [81]: df.dtypes Out[81]: a datetime64[ns, US/Eastern] Length: 1, dtype: object
以前，这会生成一个
datetime64dtype 的列，但没有时区信息。将一列赋给现有 dataframe（例如
df['a'] = i）的行为保持不变（这已经返回了一个带有object列和时区的列）。当向
stack()传递多个级别时，如果这些级别并非全部是级别名称或全部是级别编号，则会引发ValueError(GH 7660)。请参见 通过堆叠和非堆叠进行重塑。如果
df包含非唯一列，则在df.to_hdf使用 ‘fixed’ 格式时引发ValueError，因为生成的文件将损坏 (GH 7761)现在，当使用链式赋值对切片后的混合 dtype DataFrame 设置值时，将发出
SettingWithCopy错误/警告（根据选项mode.chained_assignment）(GH 7845, GH 7950)。In [1]: df = pd.DataFrame(np.arange(0, 9), columns=['count']) In [2]: df['group'] = 'b' In [3]: df.iloc[0:5]['group'] = 'a' /usr/local/bin/ipython:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
merge、DataFrame.merge和ordered_merge现在返回与left参数相同的类型 (GH 7737)。以前，使用混合 dtype 帧进行扩展（enlargement）时的行为与保留 dtypes 的
.append不同（相关 GH 2578, GH 8176）In [82]: df = pd.DataFrame([[True, 1], [False, 2]], ....: columns=["female", "fitness"]) ....: In [83]: df Out[83]: female fitness 0 True 1 1 False 2 [2 rows x 2 columns] In [84]: df.dtypes Out[84]: female bool fitness int64 Length: 2, dtype: object # dtypes are now preserved In [85]: df.loc[2] = df.loc[1] In [86]: df Out[86]: female fitness 0 True 1 1 False 2 2 False 2 [3 rows x 2 columns] In [87]: df.dtypes Out[87]: female bool fitness int64 Length: 2, dtype: object
Series.to_csv()现在在path=None时返回字符串，这与DataFrame.to_csv()的行为一致 (GH 8215)。read_hdf现在在传入不存在的文件时引发IOError。以前，会创建一个新的空文件，并引发KeyError(GH 7715)。DataFrame.info()现在在输出结束时添加换行符 (GH 8114)现在拼接空对象将引发
ValueError，而不是裸的Exception。合并错误现在将是
ValueError的子类，而不是原始的Exception(GH 8501)DataFrame.plot和Series.plot的关键字现在具有一致的顺序 (GH 8037)
内部重构#
在 0.15.0 版本中，Index 内部被重构，不再是 ndarray 的子类，而是像其他 pandas 对象一样成为 PandasObject 的子类。这一更改使得子类化和创建新的索引类型变得非常容易。这应该是一个透明的更改，对 API 的影响非常有限 (GH 5080, GH 7439, GH 7796, GH 8024, GH 8367, GH 7997, GH 8522)
您可能需要使用
pd.read_pickle而非pickle.load来反序列化 pandas 版本小于 0.15.0 的 pickle 文件。参见 pickle docs当使用
PeriodIndex绘制图表时，matplotlib 内部轴现在将是Period数组，而非PeriodIndex（这类似于DatetimeIndex现在传递datetimes数组的方式）MultiIndex现在在真值测试（truth testing）方面会像其他 pandas 对象一样引发错误，请参见 此处 (GH 7897)。当直接使用 matplotlib 的
plot函数绘制DatetimeIndex时，轴标签将不再格式化为日期，而是格式化为整数（即datetime64的内部表示）。更新： 此问题已在 0.15.1 版本中修复，请参见 此处。
废弃#
Categorical的labels和levels属性已废弃，并更名为codes和categories。pd.DataFrame.to_dict的outtype参数已废弃，推荐使用orient(GH 7840)。convert_dummies方法已废弃，推荐使用get_dummies(GH 8140)tz_localize中的infer_dst参数将废弃，推荐使用ambiguous参数，以便更灵活地处理夏令时（DST）转换。将infer_dst=True替换为ambiguous='infer'可以得到相同的行为 (GH 7943)。详情请参见 文档。顶层的
pd.value_range已废弃，可以用.describe()替换 (GH 8481)
Index的集合操作符+和-已废弃，以便为某些索引类型提供数值类型操作。+可以被.union()或|替换，-可以被.difference()替换。此外，Index.diff()方法名已废弃，可以被Index.difference()替换 (GH 8226)# + pd.Index(['a', 'b', 'c']) + pd.Index(['b', 'c', 'd']) # should be replaced by pd.Index(['a', 'b', 'c']).union(pd.Index(['b', 'c', 'd']))
# - pd.Index(['a', 'b', 'c']) - pd.Index(['b', 'c', 'd']) # should be replaced by pd.Index(['a', 'b', 'c']).difference(pd.Index(['b', 'c', 'd']))
read_html()函数的infer_types参数现在没有效果，并且已废弃 (GH 7762, GH 7032)。
移除先前版本的废弃项/更改#
移除
DataFrame.delevel方法，推荐使用DataFrame.reset_index
增强功能#
Stata 文件导入/导出功能的增强
在
to_stata中添加了对 bool, uint8, uint16 和 uint32 数据类型的支持 (GH 7097, GH 7365)导入 Stata 文件时添加了转换选项 (GH 8527)
DataFrame.to_stata和StataWriter检查字符串长度以兼容 dta 文件中的限制，其中固定宽度字符串必须包含少于或等于 244 个字符。尝试写入字符串长度超过 244 个字符的 Stata dta 文件会引发ValueError(GH 7858)。read_stata和StataReader可以通过将参数convert_missing设置为True来将缺失数据信息导入到DataFrame中。使用此选项时，缺失值将作为StataMissingValue对象返回，并且包含缺失值的列具有object数据类型 (GH 8045)。
绘图函数的增强
为
DataFrame.plot添加了layout关键字。您可以传递一个(rows, columns)元组，其中之一可以是-1以自动推断 (GH 6667, GH 8071)。允许向
DataFrame.plot、hist和boxplot传递多个轴 (GH 5353, GH 6970, GH 7069)为
kind='scatter'的DataFrame.plot添加了对c、colormap和colorbar参数的支持 (GH 7780)
其他
read_csv现在有一个关键字参数float_precision，用于指定 C 引擎在解析时应使用哪种浮点转换器，请参见 此处 (GH 8002, GH 8044)为
Series对象添加了searchsorted方法 (GH 7447)对混合类型 DataFrame 执行
describe()更灵活。现在可以通过include/exclude参数进行基于类型的列过滤。请参见 文档 (GH 8164)。In [88]: df = pd.DataFrame({'catA': ['foo', 'foo', 'bar'] * 8, ....: 'catB': ['a', 'b', 'c', 'd'] * 6, ....: 'numC': np.arange(24), ....: 'numD': np.arange(24.) + .5}) ....: In [89]: df.describe(include=["object"]) Out[89]: catA catB count 24 24 unique 2 4 top foo a freq 16 6 [4 rows x 2 columns] In [90]: df.describe(include=["number", "object"], exclude=["float"]) Out[90]: catA catB numC count 24 24 24.000000 unique 2 4 NaN top foo a NaN freq 16 6 NaN mean NaN NaN 11.500000 std NaN NaN 7.071068 min NaN NaN 0.000000 25% NaN NaN 5.750000 50% NaN NaN 11.500000 75% NaN NaN 17.250000 max NaN NaN 23.000000 [11 rows x 3 columns]
可以使用简写 ‘all’ 来请求所有列
In [91]: df.describe(include='all') Out[91]: catA catB numC numD count 24 24 24.000000 24.000000 unique 2 4 NaN NaN top foo a NaN NaN freq 16 6 NaN NaN mean NaN NaN 11.500000 12.000000 std NaN NaN 7.071068 7.071068 min NaN NaN 0.000000 0.500000 25% NaN NaN 5.750000 6.250000 50% NaN NaN 11.500000 12.000000 75% NaN NaN 17.250000 17.750000 max NaN NaN 23.000000 23.500000 [11 rows x 4 columns]
如果没有这些参数，
describe的行为将与以前一样，仅包含数值列，如果没有数值列，则仅包含分类列。另请参见 文档在
pd.DataFrame.to_dict的orient参数中添加了选项split(GH 7840)。get_dummies方法现在可以在 DataFrame 上使用。默认情况下，仅将分类列编码为 0 和 1，其他列保持不变。In [92]: df = pd.DataFrame({'A': ['a', 'b', 'a'], 'B': ['c', 'c', 'b'], ....: 'C': [1, 2, 3]}) ....: In [93]: pd.get_dummies(df) Out[93]: C A_a A_b B_b B_c 0 1 True False False True 1 2 False True False True 2 3 True False True False [3 rows x 5 columns]
PeriodIndex支持resolution参数，与DatetimeIndex相同 (GH 7708)pandas.tseries.holiday添加了对更多假期和假期观察方式的支持 (GH 7070)pandas.tseries.holiday.Holiday现在在 Python3 中支持偏移量列表（list of offsets）(GH 7070)pandas.tseries.holiday.Holiday现在支持days_of_week参数 (GH 7070)GroupBy.nth()现在支持选择多个第 n 个值 (GH 7910)In [94]: business_dates = pd.date_range(start='4/1/2014', end='6/30/2014', freq='B') In [95]: df = pd.DataFrame(1, index=business_dates, columns=['a', 'b']) # get the first, 4th, and last date index for each month In [96]: df.groupby([df.index.year, df.index.month]).nth([0, 3, -1]) Out[96]: a b 2014-04-01 1 1 2014-04-04 1 1 2014-04-30 1 1 2014-05-01 1 1 2014-05-06 1 1 2014-05-30 1 1 2014-06-02 1 1 2014-06-05 1 1 2014-06-30 1 1 [9 rows x 2 columns]
Period和PeriodIndex支持与timedelta类似对象进行加减运算 (GH 7966)如果
Period的频率（freq）是D、H、T、S、L、U、N中的一种，并且结果可以保持相同的频率，则可以添加Timedelta类似对象。否则，只能添加相同的offsets。In [104]: idx = pd.period_range('2014-07-01 09:00', periods=5, freq='H') In [105]: idx Out[105]: PeriodIndex(['2014-07-01 09:00', '2014-07-01 10:00', '2014-07-01 11:00', '2014-07-01 12:00', '2014-07-01 13:00'], dtype='period[H]') In [106]: idx + pd.offsets.Hour(2) Out[106]: PeriodIndex(['2014-07-01 11:00', '2014-07-01 12:00', '2014-07-01 13:00', '2014-07-01 14:00', '2014-07-01 15:00'], dtype='period[H]') In [107]: idx + pd.Timedelta('120m') Out[107]: PeriodIndex(['2014-07-01 11:00', '2014-07-01 12:00', '2014-07-01 13:00', '2014-07-01 14:00', '2014-07-01 15:00'], dtype='period[H]') In [108]: idx = pd.period_range('2014-07', periods=5, freq='M') In [109]: idx Out[109]: PeriodIndex(['2014-07', '2014-08', '2014-09', '2014-10', '2014-11'], dtype='period[M]') In [110]: idx + pd.offsets.MonthEnd(3) Out[110]: PeriodIndex(['2014-10', '2014-11', '2014-12', '2015-01', '2015-02'], dtype='period[M]')
添加了对
openpyxl2.0 及更高版本的实验性兼容支持。DataFrame.to_excel方法的engine关键字现在识别openpyxl1和openpyxl2，它们分别明确要求 openpyxl v1 和 v2 版本，如果所需的版本不可用则会失败。openpyxl引擎现在是一个元引擎（meta-engine），它会自动使用安装的任何 openpyxl 版本 (GH 7177)。DataFrame.fillna现在可以接受一个DataFrame作为填充值 (GH 8377)现在，当传递多个级别编号时，向
stack()传递多个级别将会起作用 (GH 7660)。请参见 通过堆叠和非堆叠进行重塑。set_names()、set_labels()和set_levels()方法现在接受一个可选的level关键字参数，用于修改MultiIndex的指定级别。此外，当作用于Index或MultiIndex的特定级别时，set_names()现在接受一个标量字符串值 (GH 7792)In [97]: idx = pd.MultiIndex.from_product([['a'], range(3), list("pqr")], ....: names=['foo', 'bar', 'baz']) ....: In [98]: idx.set_names('qux', level=0) Out[98]: MultiIndex([('a', 0, 'p'), ('a', 0, 'q'), ('a', 0, 'r'), ('a', 1, 'p'), ('a', 1, 'q'), ('a', 1, 'r'), ('a', 2, 'p'), ('a', 2, 'q'), ('a', 2, 'r')], names=['qux', 'bar', 'baz']) In [99]: idx.set_names(['qux', 'corge'], level=[0, 1]) Out[99]: MultiIndex([('a', 0, 'p'), ('a', 0, 'q'), ('a', 0, 'r'), ('a', 1, 'p'), ('a', 1, 'q'), ('a', 1, 'r'), ('a', 2, 'p'), ('a', 2, 'q'), ('a', 2, 'r')], names=['qux', 'corge', 'baz']) In [100]: idx.set_levels(['a', 'b', 'c'], level='bar') Out[100]: MultiIndex([('a', 'a', 'p'), ('a', 'a', 'q'), ('a', 'a', 'r'), ('a', 'b', 'p'), ('a', 'b', 'q'), ('a', 'b', 'r'), ('a', 'c', 'p'), ('a', 'c', 'q'), ('a', 'c', 'r')], names=['foo', 'bar', 'baz']) In [101]: idx.set_levels([['a', 'b', 'c'], [1, 2, 3]], level=[1, 2]) Out[101]: MultiIndex([('a', 'a', 1), ('a', 'a', 2), ('a', 'a', 3), ('a', 'b', 1), ('a', 'b', 2), ('a', 'b', 3), ('a', 'c', 1), ('a', 'c', 2), ('a', 'c', 3)], names=['foo', 'bar', 'baz'])
Index.isin现在支持level参数，用于指定进行成员资格测试的索引级别 (GH 7892, GH 7890)In [1]: idx = pd.MultiIndex.from_product([[0, 1], ['a', 'b', 'c']]) In [2]: idx.values Out[2]: array([(0, 'a'), (0, 'b'), (0, 'c'), (1, 'a'), (1, 'b'), (1, 'c')], dtype=object) In [3]: idx.isin(['a', 'c', 'e'], level=1) Out[3]: array([ True, False, True, True, False, True], dtype=bool)
Index现在支持duplicated和drop_duplicates。 (GH 4060)In [102]: idx = pd.Index([1, 2, 3, 4, 1, 2]) In [103]: idx Out[103]: Index([1, 2, 3, 4, 1, 2], dtype='int64') In [104]: idx.duplicated() Out[104]: array([False, False, False, False, True, True]) In [105]: idx.drop_duplicates() Out[105]: Index([1, 2, 3, 4], dtype='int64')
为
pd.concat添加copy=True参数，以启用完整块的直通 (GH 8252)添加了对 numpy 1.8+ 数据类型（
bool_、int_、float_、string_）的支持，用于转换为 R dataframe (GH 8400)
性能#
改进了
DatetimeIndex.__iter__的性能，以加快迭代速度 (GH 7683)改进了
Period创建（以及PeriodIndexsetitem）的性能 (GH 5155)改进了 Series.transform，以实现显著的性能提升（修订）(GH 6496)
改进了
StataWriter写入大文件时的性能 (GH 8079)改进了多键
groupby的性能和内存使用 (GH 8128)改进了 groupby
.agg和.apply的性能，其中内置的 max/min 未映射到 numpy/cython 化版本 (GH 7722)将数据写入 sql（
to_sql）的性能提升高达 50% (GH 8208)。对 ngroups 值较大的 groupby 进行了性能基准测试 (GH 6787)
改进了
CustomBusinessDay、CustomBusinessMonth的性能 (GH 8236)改进了包含 datetime 的多级索引的
MultiIndex.values的性能 (GH 8543)
Bug 修复#
修复了 pivot_table 在使用 margins 和 dict aggfunc 时的 bug (GH 8349)
修复了
read_csv中当squeeze=True时返回 view 的 bug (GH 8217)修复了
read_sql在某些情况下检查表名时的 bug (GH 7826)。修复了
DataFrame.groupby中当指定频率时Grouper不识别级别的 bug (GH 7885)修复了将 DataFrame 保存到 SQL 表时 multiindexes dtypes 混淆的 bug (GH 8021)
修复了
Series在浮点数和整数操作数类型之间进行 0 除操作时的 bug (GH 7785)修复了
Series.astype("unicode")未正确在值上调用unicode的 bug (GH 7758)修复了
DataFrame.as_matrix()在混合datetime64[ns]和timedelta64[ns]数据类型时的 bug (GH 7778)修复了
HDFStore.select_column()在选择DatetimeIndex时未保留 UTC 时区信息的 bug (GH 7777)修复了
to_datetime在指定format='%Y%m%d'和coerce=True时返回 object 数组（而不是带有NaT的强制转换时间序列）的 bug (GH 7930)修复了
DatetimeIndex和PeriodIndex原位加减运算导致与正常运算结果不同的 bug (GH 6527)修复了
PeriodIndex与PeriodIndex相加减时引发TypeError的 bug (GH 7741)修复了
combine_first处理PeriodIndex数据时引发TypeError的 bug (GH 3367)修复了 MultiIndex 切片时缺少索引器的 bug (GH 7866)
修复了 MultiIndex 切片时各种边缘情况的 bug (GH 8132)
修复了 MultiIndex 使用非标量类型对象进行索引时的回归问题 (GH 7914)
修复了
Timestamp与==和int64数据类型进行比较时的 bug (GH 8058)修复了包含
DateOffset的 pickle 文件在内部引用normalize属性时可能引发AttributeError的 bug (GH 7748)修复了
Panel在使用major_xs并传入copy=False时（由于缺少warnings导致废弃警告失败）的 bug (GH 8152)。修复了 pickle 反序列化 bug，该 bug 导致早于 0.14.1 版本的容器在匹配块和管理器项时（当只有一个块时不存在歧义）因重复项而失败 (GH 7794)
修复了将
PeriodIndex放入Series时会转换为int64数据类型，而不是Periods的object类型的 bug (GH 7932)修复了
HDFStore在传递 where 参数进行迭代时的 bug (GH 8014)修复了
DataFrameGroupby.transform在使用传入的未排序键进行转换时的 bug (GH 8046, GH 8430)修复了重复的时间序列线图和面积图可能导致
ValueError或种类不正确的 bug (GH 7733)修复了
MultiIndex使用datetime.date输入进行推断时的 bug (GH 7888)修复了
get中IndexError不会导致返回默认值的 bug (GH 7725)修复了
offsets.apply、rollforward和rollback可能重置纳秒的 bug (GH 7697)修复了
offsets.apply、rollforward和rollback在Timestamp具有dateutil时区信息时可能引发AttributeError的 bug (GH 7697)修复了使用
Float64Index对 MultiIndex frame 进行排序时的 bug (GH 8017)修复了 panel setitem 在对齐时右手边是
DataFrame导致不一致的 bug (GH 7763)修复了
is_superperiod和is_subperiod无法处理高于S的频率的 bug (GH 7760, GH 7772, GH 7803)修复了 32 位平台上
Series.shift的 bug (GH 8129)修复了
PeriodIndex.unique返回 int64np.ndarray的 bug (GH 7540)修复了
groupby.apply中函数内存在非影响性突变的 bug (GH 8467)修复了
DataFrame.reset_index中包含PeriodIndex或带 tz 的DatetimeIndex的MultiIndex引发ValueError的 bug (GH 7746, GH 7793)修复了
DataFrame.plot设置subplots=True时可能绘制不必要的次要 xticks 和 yticks 的 bug (GH 7801)修复了
StataReader由于 Stata 文档与实现之间的差异，未读取 117 文件中的变量标签的 bug (GH 7816)修复了
StataReader中无论底层字符串大小如何，字符串始终转换为 244 字符固定宽度的 bug (GH 7858)修复了
DataFrame.plot和Series.plot可能忽略rot和fontsize关键字的 bug (GH 7844)修复了
DatetimeIndex.value_counts不保留 tz 的 bug (GH 7735)修复了
PeriodIndex.value_counts结果为Int64Index的 bug (GH 7735)修复了
DataFrame.join在对索引执行左连接且存在多个匹配时的 bug (GH 5391)修复了
GroupBy.transform()中整数组使用未保留索引的 transform 时被错误截断的 bug (GH 7972)。修复了
groupby中不带 name 属性的可调用对象会走错路径，并生成DataFrame而非Series的 bug (GH 7929)修复了
groupby中 DataFrame 分组列重复时的错误消息 bug (GH 7511)修复了
read_html中infer_types参数错误地强制转换日期类型数据的 bug (GH 7762, GH 7032)。修复了
Series.str.cat在使用过滤掉第一个元素的索引时的 bug (GH 7857)修复了
Timestamp无法从字符串解析nanosecond的 bug (GH 7878)修复了
Timestamp使用字符串 offset 和tz导致结果不正确的 bug (GH 7833)修复了
tslib.tz_convert和tslib.tz_convert_single可能返回不同结果的 bug (GH 7798)修复了
DatetimeIndex.intersection处理不重叠的带 tz 的时间戳时引发IndexError的 bug (GH 7880)修复了 TimeOps 和非唯一索引对齐时的 bug (GH 8363)
修复了
GroupBy.filter()中快速路径与慢速路径导致过滤器返回看起来有效但实际上无效的非标量值的 bug (GH 7870)。修复了
date_range()/DatetimeIndex()在从输入日期推断时区时，跨 DST 边界返回不正确时间的 bug (GH 7835, GH 7901)。修复了
to_excel()中正无穷大被添加负号而负无穷大没有的 bug (GH 7949)修复了面积图在设置
stacked=True时图例绘制的alpha不正确的 bug (GH 8027)Period和PeriodIndex与np.timedelta64相加减导致内部表示不正确的 bug (GH 7740)修复了
Holiday没有 offset 或 observance 的 bug (GH 7987)修复了
DataFrame.to_latex在列或索引是MultiIndex时的格式化 bug (GH 7982)。修复了
DateOffset在夏令时附近产生意外结果的 bug (GH 5175)。修复了
DataFrame.shift中空列在 numpy 1.7 上会抛出ZeroDivisionError的 bug (GH 8019)修复了安装 bug，其中
html_encoding/*.html未安装，导致某些测试未能正确运行 (GH 7927)。修复了
read_html中未在_read中测试bytes对象的 bug (GH 7927)。修复了
DataFrame.stack()中当其中一个列级别是日期类型时的 bug (GH 8039)修复了将 numpy 标量广播到
DataFrame时的 bug (GH 8116)修复了
pivot_table使用无名index和columns执行时引发KeyError的 bug (GH 8103)修复了
DataFrame.plot(kind='scatter')在颜色由c关键字指定时，绘制点和误差条颜色不同的 bug (GH 8081)修复了
Float64Index中iat和at未测试且失败的 bug (GH 8092)。修复了
DataFrame.boxplot()在生成多个轴时 y 轴范围未正确设置的 bug (GH 7528, GH 5517)。修复了
read_csv在给定自定义行结束符或delim_whitespace=True时，行注释未正确处理的 bug (GH 8122)。修复了
read_html中空表导致StopIteration的 bug (GH 7575)修复了在同数据类型块中设置列时类型转换的 bug (GH 7704)
修复了从
GroupBy访问组时，原始 grouper 是元组时的 bug (GH 8121)。修复了
.at在非整数索引上接受整数索引器并进行回退的 bug (GH 7814)修复了 kde 图和 NaNs 相关的 bug (GH 8182)
修复了
GroupBy.count在 float32 数据类型中未排除 nan 值的 bug (GH 8169)。修复了堆叠条形图和 NaNs 相关的 bug (GH 8175)。
修复了 resample 在使用不能被均匀整除的 offset（如 ‘7s’）时的 bug (GH 8371)
修复了插值方法在使用
limit关键字且没有值需要插值时的 bug (GH 7173)。修复了
DataFrame.to_string()在设置header=False时忽略col_space的 bug (GH 8230)。修复了
DatetimeIndex.asof错误匹配部分字符串并返回错误日期的 bug (GH 8245)。修复了绘图方法修改全局 matplotlib rcParams 的 bug (GH 8242)。
修复了
DataFrame.__setitem__在将 dataframe 列设置为稀疏数组时导致错误的 bug (GH 8131)修复了
Dataframe.boxplot()在整个列为空时失败的 bug (GH 8181)。修复了
radviz可视化中变量混淆的 bug (GH 8199)。修复了插值方法在使用
limit关键字且没有值需要插值时的 bug (GH 7173)。修复了
DataFrame.to_string()在设置header=False时忽略col_space的 bug (GH 8230)。修复了
to_clipboard截断长列数据的 bug (GH 8305)修复了
DataFrame终端显示 bug：将 max_column/max_rows 设置为零未触发 df 自动调整大小以适应终端宽度/高度 (GH 7180)。修复了 OLS 中使用 “cluster” 和 “nw_lags” 参数运行时不正确，但也不抛出错误的 bug (GH 5884)。
修复了
DataFrame.dropna中 subset 参数中不存在的列被解释为“最后一列”的 bug (GH 8303)修复了
Index.intersection处理非单调非唯一索引时的 bug (GH 8362)。修复了 masked series 赋值中类型不匹配会破坏对齐的 bug (GH 8387)
修复了
NDFrame.equals在 dtype=object 时给出假阴性结果的 bug (GH 8437)修复了使用索引器进行赋值时，类型多样性会破坏对齐的 bug (GH 8258)
修复了
NDFrame.loc索引时，目标是 list/ndarray 会丢失行/列名称的 bug (GH 6552)修复了
NDFrame.loc索引时，如果目标是空 list/ndarray，行/列会转换为 Float64Index 的回归问题 (GH 7774)修复了
Series允许通过DataFrame索引导致意外结果的 bug。此类索引不再允许 (GH 8444)修复了具有 MultiIndex 列的
DataFrame项目赋值时，右手边列未对齐的 bug (GH 7655)抑制 NumPy 在比较包含 NaN 的 object 数组是否相等时生成的 FutureWarning (GH 7065)
修复了
DataFrame.eval()中not运算符（~）的数据类型未被正确推断为bool的 bug。
贡献者#
共有 80 位贡献者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 Schumacher +
Adam Greenhall
Andy Hayden
Anthony O’Brien +
Artemy Kolchinsky +
Ben Schiller +
Benedikt Sauer
Benjamin Thyreau +
BorisVerk +
Chris Reynolds +
Chris Stoafer +
DSM
Dav Clark +
FragLegs +
German Gomez-Herrero +
Hsiaoming Yang +
Huan Li +
Hyungtae Kim +
Isaac Slavitt +
Jacob Schaer
Jacob Wasserman +
Jan Schulz
Jeff Reback
Jeff Tratner
Jesse Farnham +
Joe Bradish +
Joerg Rittinger +
John W. O’Brien
Joris Van den Bossche
Kevin Sheppard
Kyle Meyer
Max Chang +
Michael Mueller
Michael W Schatzow +
Mike Kelly
Mortada Mehyar
Nathan Sanders +
Nathan Typanski +
Paul Masurel +
Phillip Cloud
Pietro Battiston
RenzoBertocchi +
Ross Petchler +
Shahul Hameed +
Shashank Agarwal +
Stephan Hoyer
Tom Augspurger
TomAugspurger
Tony Lorenzo +
Wes Turner
Wilfred Hughes +
Yevgeniy Grechka +
Yoshiki Vázquez Baeza +
behzad nouri +
benjamin
bjonen +
dlovell +
dsm054
hunterowens +
immerrr
ischwabacher
jmorris0x0 +
jnmclarty +
jreback
klonuo +
lexual
mcjcode +
mtrbean +
onesandzeroes
rockg
seth-p
sinhrks
someben +
stahlous +
stas-sl +
thatneat +
tom-alcorn +
unknown
unutbu
zachcp +