版本 0.15.0 (2014年10月18日)#
这是从 0.14.1 版本以来的一个主要发布，包含少量 API 更改、一些新功能、增强功能和性能改进，以及大量的错误修复。我们建议所有用户升级到此版本。
警告
pandas >= 0.15.0 将不再支持与 NumPy 1.7.0 以下版本的兼容性。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类型作为一流的 pandas 类型集成，详见此处新的标量类型
Timedelta，以及新的索引类型TimedeltaIndex，详见此处Series 的新日期时间类属性访问器
.dt，详见日期时间类属性df.info()的新 DataFrame 默认显示将包含内存使用情况，详见内存使用read_csv现在默认在解析时忽略空行，详见此处在集合操作中使用索引的 API 更改，详见此处
时区处理的增强功能，详见此处
滚动和扩展矩函数有了许多改进，详见此处
Index类的内部重构，不再是ndarray的子类，详见内部重构放弃对 PyTables 3.0.0 以下版本和 numexpr 2.1 以下版本的支持 (GH 7990)
将索引文档拆分为索引和选择数据和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 内部已重构为不再是 ndarray 的子类，而是 PandasObject 的子类，与其余 pandas 对象类似。此更改允许非常容易地创建新的索引类型和子类化。这应该是一个透明的更改，API 影响非常有限（详见内部重构）
警告
Categorical 的重构将双参数构造函数从“codes/labels and levels”更改为“values and levels (现在称为 'categories')”。这可能导致细微的错误。如果您直接使用Categorical，请在更新到此 pandas 版本之前审查您的代码，并将其更改为使用from_codes() 构造函数。有关 Categorical 的更多信息，请参阅此处
新功能#
Series/DataFrame 中的分类类型#
Categorical 现在可以包含在 Series 和 DataFrames 中，并获得了新的操作方法。感谢 Jan Schulz 为此 API/实现做出了很大贡献。(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)。
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，请构建一个 DataFrame 并使用df.groupby(<group>).agg(<func>)。不再支持向
Categorical构造函数提供“codes/labels and levels”。向构造函数提供两个参数现在被解释为“values and 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并且是只读的。如果您想操作代码，请使用分类类型上的 API 方法之一。Categorical.levels属性已重命名为Categorical.categories。
TimedeltaIndex/标量#
我们引入了一个新的标量类型 Timedelta，它是 datetime.timedelta 的子类，行为方式类似，但也支持与 np.timedelta64 类型以及大量自定义表示、解析和属性兼容。此类型与 Timestamp 对 datetimes 的工作方式非常相似。它是该类型的一个很好的 API 封装。请参阅文档。(GH 3009, GH 4533, GH 8209, GH 8187, GH 8190, GH 7869, GH 7661, GH 8345, GH 8471)
警告
Timedelta 标量（和 TimedeltaIndex）的组件字段与 datetime.timedelta 对象上的组件字段*不同*。例如，datetime.timedelta 对象上的 .seconds 返回小时、分钟和秒的总和。相比之下，pandas 的 Timedelta 分别列出小时、分钟、微秒和纳秒。
# 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，这不再是事实，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。现在它将对列表式输入返回一个 TimedeltaIndex，对 Series 输入返回一个 Series，对标量输入返回一个 Timedelta。
pd.to_timedelta 的参数现在是 (arg,unit='ns',box=True,coerce=False)，以前是 (arg,box=True,unit='ns')，因为现在这些更合乎逻辑。
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 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 的组合允许某些组合操作，这些操作会保留 NaT
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')]
在 v0.15.0 之前，对
Series(例如list(Series(...))) 的timedelta64[ns]迭代会为每个元素返回np.timedelta64。现在这些将包装在Timedelta中。
内存使用#
实现了查找 DataFrame 内存使用情况的方法。更多信息请参阅常见问题。(GH 6852)。
一个新的显示选项 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，可以简洁地返回 Series *值*的日期时间类属性，如果它是日期时间/周期类 Series。(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'
这使得诸如此类的简洁表达式成为可能
In [43]: s[s.dt.day == 2]
Out[43]:
1 2013-01-02 09:10:12
Length: 1, dtype: datetime64[ns]
您可以轻松生成时区感知转换
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>
您还可以链式执行这些操作
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]
.dt 访问器适用于 period 和 timedelta 数据类型。
# 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#
tz-aware
Timestamp和DatetimeIndex的tz_localize(None)现在会移除持有本地时间的时区，以前这会导致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，它允许传入一个布尔数组来指示日期是否属于夏令时，'NaT'用于将转换时间设置为 NaT，'infer'用于推断夏令时/非夏令时，以及'raise'（默认）用于抛出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，用于定位 MultiIndex 的特定级别 (GH 7846)Timestamp.tz_localize和Timestamp.tz_convert现在在错误情况下抛出TypeError，而不是Exception(GH 8025)本地化到 UTC 的时间序列/索引在插入到 Series/DataFrame 中时将保留 UTC 时区（而不是作为 naive
datetime64[ns]）作为object数据类型 (GH 8411)Timestamp.__repr__显示dateutil.tz.tzoffset信息 (GH 7907)
滚动/扩展矩改进#
rolling_min(),rolling_max(),rolling_cov(), 和rolling_corr()现在在len(arg) < min_periods <= window时返回包含所有NaN的对象，而不是抛出异常。(这使得所有滚动函数在此行为上保持一致)。(GH 7766)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
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()在center=True时，以前会返回与输入arg相同结构的结果，并在最后(window-1)/2个条目中包含NaN。现在，结果的最后
(window-1)/2个条目会像输入arg后面跟着(window-1)/2个NaN值一样计算（或者在rolling_apply()的情况下，使用收缩窗口）。(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) 中正确地标准化权重，使得计算出的加权平均值（例如“triang”、“gaussian”）分布在与不加权计算（即“boxcar”）相同的平均值附近。有关更多详细信息，请参阅归一化说明。(GH 7618)In [58]: s = pd.Series([10.5, 8.8, 11.4, 9.7, 9.3])
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（详见列表）中移除了center参数，因为当center=True时产生的结果没有太大意义。(GH 7925)向
expanding_cov()和rolling_cov()添加了可选的ddof参数。1的默认值是向后兼容的。(GH 8279)记录了
ddof参数到expanding_var(),expanding_std(),rolling_var(), 和rolling_std()。这些函数对ddof参数（默认值为1）的支持以前没有文档记录。(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）扩展窗口不包含至少min_periods个值，则给定结果条目将为NaN。之前的行为是将从第一个非NaN值开始的min_periods条目设置为NaN。(GH 7977)之前的行为（注意值从索引
2开始，这是索引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()现在有一个可选的adjust参数，就像ewma()一样，影响权重的计算方式。adjust的默认值为True，这是向后兼容的。详见指数加权矩函数。(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，缺失值会被纳入权重计算。当ignore_na=True（重现 0.15.0 之前的行为）时，缺失值在权重计算中被忽略。(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），ewm*()函数在存在缺失值时的权重计算与 0.15.0 之前的版本不同。要重现 0.15.0 之前存在缺失值时的权重计算，必须显式指定ignore_na=True。修复了
expanding_cov(),expanding_corr(),rolling_cov(),rolling_cor(),ewmcov(), 和ewmcorr()中返回按名称排序的列并为非唯一列产生错误的 bug；现在可以处理非唯一列并按原始顺序返回列（除了两个 DataFrame 带有pairwise=False的情况，其行为不变）(GH 7542)修复了
rolling_count()和expanding_*()函数中不必要地为零长度数据产生错误消息的 bug (GH 8056)修复了
rolling_apply()和expanding_apply()中将min_periods=0解释为min_periods=1的 bug (GH 8080)修复了
expanding_std()和expanding_var()中单个值产生令人困惑的错误消息的 bug (GH 7900)修复了
rolling_std()和rolling_var()中单个值产生0而不是NaN的 bug (GH 7900)修复了
ewmstd(),ewmvol(),ewmvar(), 和ewmcov()在bias=False（默认）时去偏置因子计算中的 bug。以前使用了一个不正确的常数因子，基于adjust=True,ignore_na=True, 和无限数量的观测值。现在根据实际权重（类似于通常的N/(N-1)因子）为每个条目使用不同的因子。特别是，对于单个点，当bias=False时返回NaN值，而以前返回（大约）0值。例如，考虑以下 0.15.0 之前的
ewmvar(..., bias=False)结果以及相应的去偏置因子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
请注意，条目
0大约是 0，去偏置因子是常数 1.25。相比之下，以下 0.15.0 结果的条目0为NaN，去偏置因子正在减小（趋向 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
SQL IO 模块的改进#
向
to_sql函数添加了对chunksize参数的支持。这允许 DataFrame 分块写入，并避免数据包大小溢出错误 (GH 8062)。向
read_sql函数添加了对chunksize参数的支持。指定此参数将返回一个查询结果块的迭代器 (GH 2908)。添加了使用
to_sql写入datetime.date和datetime.time对象列的支持 (GH 6932)。添加了指定
schema来使用read_sql_table和to_sql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
添加了使用
to_sql写入NaN值的支持 (GH 2754)。添加了对所有数据库类型使用
to_sql写入 datetime64 列的支持 (GH 7103)。
向后不兼容的 API 更改#
重大更改#
与 Categorical 相关的 API 更改（详见此处）
带有两个参数的
Categorical构造函数从“codes/labels and levels”更改为“values and levels (现在称为 'categories')”。这可能导致细微的错误。如果您直接使用Categorical，请通过将其更改为使用from_codes()构造函数来审查您的代码。旧函数调用，例如 (0.15.0 之前)
pd.Categorical([0,1,0,2,1], levels=['a', 'b', 'c'])
为了保持相同行为，必须适应以下更改
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（详见上文）
在 0.15.0 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。现在它将对列表式输入返回一个TimedeltaIndex，对 Series 输入返回一个Series，对标量输入返回一个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
在使用
.loc和列表式索引器且未找到值时的索引一致性。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]
在以前的版本中，这两种构造存在差异
df.loc[[3]]将返回一个由 3 重新索引的框架（所有值为np.nan）df.loc[[3],:]将引发KeyError。
两者现在都将引发
KeyError。规则是，当使用列表式和.loc时，必须找到*至少 1 个*索引器 (GH 7999)此外，在以前的版本中，这些也不同
df.loc[[1,3]]将返回一个由 [1,3] 重新索引的框架df.loc[[1,3],:]将引发KeyError。
两者现在都将返回一个由 [1,3] 重新索引的框架。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
这也可以在带有
Panel的多轴索引中看到。>>> 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
以下将在 0.15.0 之前引发
KeyErrorIn [5]: Out[5]: ItemA ItemD 1 3 NaN 2 7 NaN 3 11 NaN
此外，如果在使用列表式索引器的 MultiIndex 中找不到值，
.loc将引发异常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"
现在为
None赋值时会考虑 dtype，以选择“空”值 (GH 7941)。以前，在数值容器中赋值为
None会将 dtype 更改为 object（或根据调用方式报错）。它现在使用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
NaT现在也类似地用于日期时间容器。对于对象容器，我们现在保留
None值（以前这些值会转换为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
NaN，您必须显式使用np.nan。详见文档。在以前的版本中，就地更新 pandas 对象不会反映在对此对象的其他 python 引用中。(GH 8511, GH 5104)
In [72]: s = pd.Series([1, 2, 3]) In [73]: s2 = s In [74]: s += 1.5
v0.15.0 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
这现在是正确的行为
# 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-based 和 Python 引擎都忽略输入中的空行以及填充空白的行，只要sep不是空白字符。这是一个 API 更改，可以通过关键字参数skip_blank_lines控制。详见文档 (GH 4466)本地化为 UTC 的时间序列/索引在插入到 Series/DataFrame 中时将保留 UTC 时区，并作为
object数据类型插入，而不是转换为 naivedatetime64[ns](GH 8411)。修复了从字典构造 DataFrame 时，传递带有未保留时区的
DatetimeIndex的 bug (GH 7822)在以前的版本中，这将删除时区，现在它保留时区，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
以前这将生成一个
datetime64dtype 的列，但没有时区信息。将列分配给现有 DataFrame 的行为，如
df['a'] = i保持不变（这已经返回了一个带有有时区的object列）。当将多个级别传递给
stack()时，如果级别不是全部为级别名称或全部为级别号，它现在将引发ValueError(GH 7660)。详见通过堆叠和取消堆叠进行重塑。如果
df具有非唯一列，则在df.to_hdf中以“fixed”格式引发ValueError，因为生成的文件将损坏 (GH 7761)当使用链式赋值在切片混合 dtype DataFrame 上设置值时，现在将根据选项
mode.chained_assignment发出SettingWithCopy警告/错误。(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 框架进行扩展的行为与
.append不同，后者会保留 dtype（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时返回一个字符串，与DataFrame.to_csv()的行为匹配 (GH 8215)。当传入不存在的文件时，
read_hdf现在会引发IOError。以前，会创建一个新的空文件，并引发一个KeyError(GH 7715)。DataFrame.info()现在以换行符结束其输出 (GH 8114)连接空对象现在将引发
ValueError而不是简单的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 中，Index 内部已重构为不再是 ndarray 的子类，而是 PandasObject 的子类，与其余 pandas 对象类似。此更改允许非常容易地创建新的索引类型和子类化。这应该是一个透明的更改，API 影响非常有限 (GH 5080, GH 7439, GH 7796, GH 8024, GH 8367, GH 7997, GH 8522)
弃用#
Categorical的labels和levels属性已弃用，并重命名为codes和categories。将
outtype参数传递给pd.DataFrame.to_dict已弃用，转而使用orient。(GH 7840)convert_dummies方法已弃用，转而使用get_dummies(GH 8140)tz_localize中的infer_dst参数将弃用，转而使用ambiguous，以允许在处理夏令时转换时有更大的灵活性。将infer_dst=True替换为ambiguous='infer'以获得相同行为 (GH 7943)。更多详细信息请参阅文档。顶级
pd.value_range已弃用，可以使用.describe()替换 (GH 8481)
Index集合操作+和-已弃用，以便为某些索引类型上的数值类型操作提供这些操作。+可以用.union()或|替换，而-可以用.difference()替换。此外，方法名Index.diff()已弃用，可以使用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']))
传递给
read_html()的infer_types参数现在无效并已弃用 (GH 7762, GH 7032)。
移除先前版本的弃用/更改#
移除
DataFrame.delevel方法，转而使用DataFrame.reset_index
增强功能#
Stata 文件导入/导出功能增强
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检查字符串长度是否与 dta 文件中施加的限制兼容，其中固定宽度字符串必须包含 244 个或更少字符。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将具有object数据类型。(GH 8045)
绘图功能增强
向
DataFrame.plot添加了layout关键字。您可以传入一个(rows, columns)元组，其中一个可以是-1以自动推断 (GH 6667, GH 8071)。允许将多个轴传递给
DataFrame.plot,hist和boxplot(GH 5353, GH 6970, GH 7069)为
DataFrame.plot添加了对c,colormap和colorbar参数的支持，带有kind='scatter'(GH 7780)
其他
read_csv现在有一个关键字参数float_precision，它指定 C 引擎在解析期间应使用哪个浮点转换器，详见此处 (GH 8002, GH 8044)向
Series对象添加了searchsorted方法 (GH 7447)在混合类型 DataFrames 上的
describe()更灵活。现在可以通过include/exclude参数进行基于类型的列过滤。详见文档 (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”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将像以前一样，只包含数值列，或者如果没有数值列，则只包含分类列。另请参阅文档在
pd.DataFrame.to_dict中，将split作为orient参数的一个选项添加。(GH 7840)get_dummies方法现在可以在 DataFrames 上使用。默认情况下，只有分类列被编码为 0 和 1，而其他列保持不变。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支持与DatetimeIndex相同的resolution(GH 7708)pandas.tseries.holiday增加了对其他假期和观察假期方式的支持 (GH 7070)pandas.tseries.holiday.Holiday现在支持 Python3 中的偏移量列表 (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 nth 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类进行加/减操作 (GH 7966)如果
Period频率是D,H,T,S,L,U,N，则可以添加Timedelta类，如果结果可以具有相同的频率。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]')
添加了对版本 >= 2.0 的
openpyxl的实验性兼容性。DataFrame.to_excel方法的engine关键字现在识别openpyxl1和openpyxl2，这将分别明确要求 openpyxl v1 和 v2，如果请求的版本不可用则失败。openpyxl引擎现在是一个元引擎，它会自动使用安装的任何版本的 openpyxl。(GH 7177)DataFrame.fillna现在可以接受DataFrame作为填充值 (GH 8377)当传递多个级别号时，将多个级别传递给
stack()现在将起作用 (GH 7660)。详见通过堆叠和取消堆叠进行重塑。set_names(),set_labels(), 和set_levels()方法现在接受一个可选的level关键字参数，以修改 MultiIndex 的特定级别。此外，set_names()现在在操作Index或MultiIndex的特定级别时接受标量字符串值 (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，以指定用于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')
向
pd.concat添加copy=True参数，以允许传递完整块 (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#
在
DatetimeIndex.__iter__中进行了性能改进，以实现更快的迭代 (GH 7683)在
Period创建（以及PeriodIndexsetitem）中进行了性能改进 (GH 5155)在 Series.transform 中进行了改进，以显著提高性能（修订版）(GH 6496)
在写入大型文件时，
StataWriter的性能改进 (GH 8079)多键
groupby的性能和内存使用改进 (GH 8128)groupby的.agg和.apply方法的性能改进，其中内置的 max/min 未映射到 numpy/cythonized 版本 (GH 7722)写入 SQL (
to_sql) 的性能提升高达 50% (GH 8208)。对 ngroups 大值进行 groupby 的性能基准测试 (GH 6787)
CustomBusinessDay和CustomBusinessMonth的性能改进 (GH 8236)包含日期时间的多级索引的
MultiIndex.values的性能改进 (GH 8543)
Bug 修复#
pivot_table中的 Bug，在使用 margins 和 dict aggfunc 时出现 (GH 8349)read_csv中的 Bug，其中squeeze=True会返回一个视图 (GH 8217)read_sql在某些情况下检查表名时的 Bug (GH 7826)。DataFrame.groupby中的 Bug，其中指定频率时Grouper无法识别 level (GH 7885)多级索引的 dtype 在 DataFrame 保存到 SQL 表时混淆的 Bug (GH 8021)
Series中浮点和整数操作数 dtype 的 0 除 Bug (GH 7785)Series.astype("unicode")未正确调用值的unicode的 Bug (GH 7758)DataFrame.as_matrix()中混合datetime64[ns]和timedelta64[ns]dtypes 的 Bug (GH 7778)HDFStore.select_column()在选择DatetimeIndex时未保留 UTC 时区信息的 Bug (GH 7777)to_datetime中的 Bug，当指定format='%Y%m%d'和coerce=True时，之前返回的是一个对象数组（而不是带有NaT的强制转换时间序列）(GH 7930)DatetimeIndex和PeriodIndex的原地加减操作导致结果与常规操作不同 (GH 6527)PeriodIndex与PeriodIndex相加减时引发TypeError的 Bug (GH 7741)使用
PeriodIndex数据进行combine_first时引发TypeError的 Bug (GH 3367)MultiIndex 切片时缺少索引器的 Bug (GH 7866)
MultiIndex 切片在各种边缘情况下的 Bug (GH 8132)
MultiIndex 使用非标量类型对象索引时的回归 Bug (GH 7914)
Timestamp与==和int64dtype 比较时的 Bug (GH 8058)包含
DateOffset的 pickle 在内部引用normalize属性时可能引发AttributeError的 Bug (GH 7748)Panel中的 Bug，当使用major_xs并传入copy=False时（由于缺少warnings导致弃用警告失败）(GH 8152)。pickle 反序列化中的 Bug，对于带有重复项的 0.14.1 之前版本容器在匹配块和管理器项时试图避免歧义，而当只有一个块时则没有歧义 (GH 7794)
将
PeriodIndex放入Series时会转换为int64dtype 而不是Periods的objectdtype 的 Bug (GH 7932)在传入 where 条件时
HDFStore迭代中的 Bug (GH 8014)DataFrameGroupby.transform在使用传入的非排序键进行转换时的 Bug (GH 8046, GH 8430)重复的时间序列折线图和面积图可能导致
ValueError或不正确的类型 (GH 7733)MultiIndex 在
datetime.date输入时的推断 Bug (GH 7888)get方法中的 Bug，IndexError不会导致默认值被返回 (GH 7725)offsets.apply、rollforward和rollback方法中的 Bug，可能重置纳秒 (GH 7697)offsets.apply、rollforward和rollback方法中的 Bug，如果Timestamp具有dateutiltzinfo 则可能引发AttributeError(GH 7697)使用
Float64Index排序 MultiIndex 框架时的 Bug (GH 8017)面板 setitem 与
DataFrame的右侧不对齐时的 Bug (GH 7763)is_superperiod和is_subperiod无法处理高于S的频率的 Bug (GH 7760, GH 7772, GH 7803)32 位平台上
Series.shift的 Bug (GH 8129)PeriodIndex.unique返回 int64np.ndarray的 Bug (GH 7540)groupby.apply中函数内存在非影响性变异的 Bug (GH 8467)DataFrame.reset_index中的 Bug，当其MultiIndex包含PeriodIndex或带有 tz 的DatetimeIndex时引发ValueError(GH 7746, GH 7793)DataFrame.plot中subplots=True可能绘制不必要的次要 x 轴和 y 轴刻度线的 Bug (GH 7801)StataReader中的 Bug，由于 Stata 文档和实现之间的差异，导致无法读取 117 个文件中的变量标签 (GH 7816)StataReader中的 Bug，其中字符串始终被转换为 244 个字符的固定宽度，无论底层字符串大小如何 (GH 7858)DataFrame.plot和Series.plot可能忽略rot和fontsize关键字的 Bug (GH 7844)DatetimeIndex.value_counts不保留 tz 的 Bug (GH 7735)PeriodIndex.value_counts导致Int64Index的 Bug (GH 7735)DataFrame.join在对索引进行左连接且存在多个匹配时的 Bug (GH 5391)GroupBy.transform()中的 Bug，其中整数组在转换时未保留索引导致被错误截断 (GH 7972)。groupby中的 Bug，其中没有 name 属性的可调用对象会走错误的路径，并生成DataFrame而不是Series(GH 7929)groupby错误消息中的 Bug，当 DataFrame 分组列重复时 (GH 7511)read_html中的 Bug，其中infer_types参数错误地强制转换日期类数据 (GH 7762, GH 7032)。Series.str.cat中的 Bug，其中索引被过滤，不包含第一个项目 (GH 7857)Timestamp无法从字符串解析nanosecond的 Bug (GH 7878)带有字符串偏移量和
tz的Timestamp结果不正确的 Bug (GH 7833)tslib.tz_convert和tslib.tz_convert_single可能返回不同结果的 Bug (GH 7798)带有 tz 的非重叠时间戳的
DatetimeIndex.intersection引发IndexError的 Bug (GH 7880)TimeOps 和非唯一索引对齐时的 Bug (GH 8363)
GroupBy.filter()中的 Bug，其中快速路径与慢速路径导致过滤器返回一个看似有效但实际上不是的非标量值 (GH 7870)。date_range()/DatetimeIndex()中的 Bug，当从输入日期推断时区但在跨越夏令时边界时返回不正确的时间 (GH 7835, GH 7901)。to_excel()中的 Bug，其中正无穷大前附加了一个负号，而负无穷大却缺少负号 (GH 7949)面积图在
stacked=True时绘制的图例alpha不正确的 Bug (GH 8027)Period和PeriodIndex与np.timedelta64进行加减运算导致内部表示不正确的 Bug (GH 7740)没有偏移量或遵守规则的
Holiday的 Bug (GH 7987)DataFrame.to_latex在列或索引为MultiIndex时格式化不正确的 Bug (GH 7982)。DateOffset在夏令时附近产生意外结果的 Bug (GH 5175)。DataFrame.shift中的 Bug，其中空列在 numpy 1.7 上会抛出ZeroDivisionError(GH 8019)安装中的 Bug，其中
html_encoding/*.html未安装，因此某些测试未正确运行 (GH 7927)。read_html中的 Bug，其中bytes对象在_read中未被测试 (GH 7927)。DataFrame.stack()中的 Bug，当其中一个列级别是日期类型时 (GH 8039)DataFrame广播 numpy 标量时的 Bug (GH 8116)使用无名
index和columns执行pivot_table时引发KeyError的 Bug (GH 8103)DataFrame.plot(kind='scatter')中的 Bug，当颜色由c关键字指定时，点和误差条会以不同颜色绘制 (GH 8081)Float64Index中的 Bug，其中iat和at未经测试且失败 (GH 8092)。DataFrame.boxplot()中的 Bug，其中在生成多个轴时 y 轴限制未正确设置 (GH 7528, GH 5517)。read_csv中的 Bug，其中在给定自定义行终止符或delim_whitespace=True时，行注释未正确处理 (GH 8122)。read_html中的 Bug，其中空表导致StopIteration(GH 7575)在相同 dtype 块中设置列时类型转换的 Bug (GH 7704)
当原始 grouper 是元组时，从
GroupBy访问组的 Bug (GH 8121)。.at中的 Bug，它会在非整数索引上接受整数索引器并执行回退 (GH 7814)kde 图和 NaNs 的 Bug (GH 8182)
GroupBy.count中 float32 数据类型未排除 nan 值的 Bug (GH 8169)。堆叠条形图和 NaNs 的 Bug (GH 8175)。
resample 中非均匀可除偏移量（例如 '7s'）的 Bug (GH 8371)
在不需要插值时，插值方法中
limit关键字的 Bug (GH 7173)。DataFrame.to_string()中当header=False时忽略col_space的 Bug (GH 8230)。DatetimeIndex.asof错误匹配部分字符串并返回错误日期的 Bug (GH 8245)。绘图方法修改全局 matplotlib rcParams 的 Bug (GH 8242)。
DataFrame.__setitem__中的 Bug，将 DataFrame 列设置为稀疏数组时导致错误 (GH 8131)Dataframe.boxplot()在整个列为空时失败的 Bug (GH 8181)。radviz可视化中变量混乱的 Bug (GH 8199)。在不需要插值时，插值方法中
limit关键字的 Bug (GH 7173)。DataFrame.to_string()中当header=False时忽略col_space的 Bug (GH 8230)。to_clipboard中的 Bug，会裁剪长列数据 (GH 8305)DataFrame终端显示中的 Bug：将 max_column/max_rows 设置为零不会触发 dfs 自动调整大小以适应终端宽度/高度 (GH 7180)。OLS 中的 Bug，其中使用“cluster”和“nw_lags”参数运行时未正确工作，但也未抛出错误 (GH 5884)。
DataFrame.dropna中的 Bug，它将子集参数中不存在的列解释为“最后一列” (GH 8303)Index.intersection在非单调非唯一索引上的 Bug (GH 8362)。掩码序列赋值中的 Bug，其中类型不匹配会破坏对齐 (GH 8387)
NDFrame.equals在 dtype=object 时产生假阴性的 Bug (GH 8437)使用索引器进行赋值时的 Bug，其中类型多样性会破坏对齐 (GH 8258)
NDFrame.loc索引中的 Bug，当目标是列表/ndarray 时行/列名称丢失 (GH 6552)NDFrame.loc索引中的回归 Bug，当目标是空列表/ndarray 时行/列被转换为 Float64Index (GH 7774)Series中的 Bug，允许其被DataFrame索引，导致意外结果。此类索引不再被允许 (GH 8444)DataFrame的 MultiIndex 列的项赋值中的 Bug，其中右侧列未对齐 (GH 7655)抑制 NumPy 在比较包含 NaN 的对象数组是否相等时生成的 FutureWarning (GH 7065)
DataFrame.eval()中的 Bug，其中not运算符 (~) 的 dtype 未正确推断为bool。
贡献者#
共有 80 人为本次发布贡献了补丁。名字旁有“+”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 +