版本 0.22.0 (2017年12月29日)#
这是 0.21.1 之后的一个主要版本,包含一项单一的、破坏 API 兼容性的更改。我们建议所有用户在仔细阅读此发布说明(单数形式!)后升级到此版本。
向后不兼容的 API 更改#
pandas 0.22.0 更改了空和全NA求和及求积的处理方式。摘要如下:
空或全NA
Series
的和现在为0
空或全NA
Series
的积现在为1
我们在
.sum()
和.prod()
中添加了一个min_count
参数,用于控制结果有效所需的最小有效值数量。如果非NA值的数量少于min_count
,则结果为NA。默认值为0
。要返回NaN
,即0.21版本的行为,请使用min_count=1
。
背景介绍:在pandas 0.21中,我们修复了一个长期存在的不一致问题,即全NA series的返回值取决于是否安装了bottleneck。详见全 NaN 或空 Series/DataFrame 的和/积现在统一为 NaN。同时,我们也将空Series
的和与积更改为NaN
。
根据反馈,我们已部分恢复了这些更改。
算术运算#
空或全NASeries
的默认和现在为0
。
pandas 0.21.x
In [1]: pd.Series([]).sum()
Out[1]: nan
In [2]: pd.Series([np.nan]).sum()
Out[2]: nan
pandas 0.22.0
In [1]: pd.Series([]).sum()
Out[1]: 0
In [2]: pd.Series([np.nan]).sum()
Out[2]: 0.0
默认行为与安装了bottleneck的pandas 0.20.3相同。它也与NumPy的np.nansum
在空和全NA数组上的行为一致。
要使空series的求和返回NaN
(即未安装bottleneck的pandas 0.20.3或pandas 0.21.x的默认行为),请使用min_count
关键字。
In [3]: pd.Series([]).sum(min_count=1)
Out[3]: nan
由于skipna
参数,对全NA series执行.sum
在概念上与对空series执行.sum
并设置skipna=True
(默认值)的效果相同。
In [4]: pd.Series([np.nan]).sum(min_count=1) # skipna=True by default
Out[4]: nan
min_count
参数指的是非空值数量,该数量是进行非NA求和或求积所需的最小值。
Series.prod()
已更新,行为与Series.sum()
相同,现在返回1
。
In [5]: pd.Series([]).prod()
Out[5]: 1
In [6]: pd.Series([np.nan]).prod()
Out[6]: 1.0
In [7]: pd.Series([]).prod(min_count=1)
Out[7]: nan
这些更改也影响了DataFrame.sum()
和DataFrame.prod()
。此外,pandas中一些不那么显眼的地方也受到了此更改的影响。
按分类数据分组#
现在,按Categorical
分组并求和时,对于没有观测值的类别,将返回0
而不是NaN
。求积现在返回1
而不是NaN
。
pandas 0.21.x
In [8]: grouper = pd.Categorical(['a', 'a'], categories=['a', 'b'])
In [9]: pd.Series([1, 2]).groupby(grouper, observed=False).sum()
Out[9]:
a 3.0
b NaN
dtype: float64
pandas 0.22
In [8]: grouper = pd.Categorical(["a", "a"], categories=["a", "b"])
In [9]: pd.Series([1, 2]).groupby(grouper, observed=False).sum()
Out[9]:
a 3
b 0
Length: 2, dtype: int64
要恢复0.21版本中未观测分组返回NaN
的行为,请使用min_count>=1
。
In [10]: pd.Series([1, 2]).groupby(grouper, observed=False).sum(min_count=1)
Out[10]:
a 3.0
b NaN
Length: 2, dtype: float64
重采样#
全NA桶的和与积已从NaN
更改,求和为0
,求积为1
。
pandas 0.21.x
In [11]: s = pd.Series([1, 1, np.nan, np.nan],
....: index=pd.date_range('2017', periods=4))
....: s
Out[11]:
2017-01-01 1.0
2017-01-02 1.0
2017-01-03 NaN
2017-01-04 NaN
Freq: D, dtype: float64
In [12]: s.resample('2d').sum()
Out[12]:
2017-01-01 2.0
2017-01-03 NaN
Freq: 2D, dtype: float64
pandas 0.22.0
In [11]: s = pd.Series([1, 1, np.nan, np.nan], index=pd.date_range("2017", periods=4))
In [12]: s.resample("2d").sum()
Out[12]:
2017-01-01 2.0
2017-01-03 0.0
Freq: 2D, Length: 2, dtype: float64
要恢复0.21版本中返回NaN
的行为,请使用min_count>=1
。
In [13]: s.resample("2d").sum(min_count=1)
Out[13]:
2017-01-01 2.0
2017-01-03 NaN
Freq: 2D, Length: 2, dtype: float64
特别是,上采样并求和或求积会受到影响,因为即使原始series完全有效,上采样也会引入缺失值。
pandas 0.21.x
In [14]: idx = pd.DatetimeIndex(['2017-01-01', '2017-01-02'])
In [15]: pd.Series([1, 2], index=idx).resample('12H').sum()
Out[15]:
2017-01-01 00:00:00 1.0
2017-01-01 12:00:00 NaN
2017-01-02 00:00:00 2.0
Freq: 12H, dtype: float64
pandas 0.22.0
In [14]: idx = pd.DatetimeIndex(["2017-01-01", "2017-01-02"])
In [15]: pd.Series([1, 2], index=idx).resample("12H").sum()
Out[15]:
2017-01-01 00:00:00 1
2017-01-01 12:00:00 0
2017-01-02 00:00:00 2
Freq: 12H, Length: 3, dtype: int64
再次强调,min_count
关键字可用于恢复0.21版本的行为。
In [16]: pd.Series([1, 2], index=idx).resample("12H").sum(min_count=1)
Out[16]:
2017-01-01 00:00:00 1.0
2017-01-01 12:00:00 NaN
2017-01-02 00:00:00 2.0
Freq: 12H, Length: 3, dtype: float64
滚动和扩展#
滚动和扩展操作已经有一个min_periods
关键字,其行为类似于min_count
。唯一改变的情况是当执行min_periods=0
的滚动或扩展求和时。以前,当窗口中非NA值的数量少于min_periods
时,它会返回NaN
。现在它返回0
。
pandas 0.21.1
In [17]: s = pd.Series([np.nan, np.nan])
In [18]: s.rolling(2, min_periods=0).sum()
Out[18]:
0 NaN
1 NaN
dtype: float64
pandas 0.22.0
In [14]: s = pd.Series([np.nan, np.nan])
In [15]: s.rolling(2, min_periods=0).sum()
Out[15]:
0 0.0
1 0.0
Length: 2, dtype: float64
min_periods=None
的默认行为(意味着min_periods
等于窗口大小)保持不变。
兼容性#
如果您维护的库需要跨pandas版本工作,最简单的方法可能是从您的依赖中排除pandas 0.21。否则,您的所有sum()
调用都需要在求和之前检查Series
是否为空。
使用setuptools时,在您的setup.py
中使用
install_requires=['pandas!=0.21.*', ...]
使用conda时,使用
requirements:
run:
- pandas !=0.21.0,!=0.21.1
请注意,对于pandas 0.20.3及更早版本,全NA series返回值的不一致性仍然存在。避免使用pandas 0.21仅能帮助解决空series的情况。
贡献者#
共有1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。
Tom Augspurger