版本 0.16.0 (2015年3月22日)#

这是从 0.15.2 以来的一个主要版本，包含少量 API 更改、一些新功能、增强和性能改进以及大量错误修复。我们建议所有用户升级到此版本。

亮点包括

  • DataFrame.assign 方法，参见此处

  • Series.to_coo/from_coo 方法，用于与 scipy.sparse 交互，参见此处

  • Timedelta 的向后不兼容更改，以使 .seconds 属性与 datetime.timedelta 一致，参见此处

  • .loc 切片 API 的更改，以符合 .ix 的行为，参见此处

  • Categorical 构造函数中排序默认值的更改，参见此处

  • .str 访问器的增强，以简化字符串操作，参见此处

  • pandas.tools.rplot、pandas.sandbox.qtpandas 和 pandas.rpy 模块已弃用。我们建议用户使用外部包，如 seaborn、pandas-qt 和 rpy2 来获得类似或等效的功能，参见此处

更新前请查看API 更改和弃用。

新功能#

DataFrame 分配#

受 dplyr 的 mutate 动词启发，DataFrame 有了一个新的 assign() 方法。assign 的函数签名很简单，就是 **kwargs。键是新字段的列名，值是要插入的值（例如，Series 或 NumPy 数组），或者是要在 DataFrame 上调用的一个参数的函数。新值被插入，并且返回整个 DataFrame（包含所有原始列和新列）。

In [1]: iris = pd.read_csv('data/iris.data')

In [2]: iris.head()
Out[2]: 
   SepalLength  SepalWidth  PetalLength  PetalWidth         Name
0          5.1         3.5          1.4         0.2  Iris-setosa
1          4.9         3.0          1.4         0.2  Iris-setosa
2          4.7         3.2          1.3         0.2  Iris-setosa
3          4.6         3.1          1.5         0.2  Iris-setosa
4          5.0         3.6          1.4         0.2  Iris-setosa

[5 rows x 5 columns]

In [3]: iris.assign(sepal_ratio=iris['SepalWidth'] / iris['SepalLength']).head()
Out[3]: 
   SepalLength  SepalWidth  PetalLength  PetalWidth         Name  sepal_ratio
0          5.1         3.5          1.4         0.2  Iris-setosa     0.686275
1          4.9         3.0          1.4         0.2  Iris-setosa     0.612245
2          4.7         3.2          1.3         0.2  Iris-setosa     0.680851
3          4.6         3.1          1.5         0.2  Iris-setosa     0.673913
4          5.0         3.6          1.4         0.2  Iris-setosa     0.720000

[5 rows x 6 columns]

上面是一个插入预计算值的示例。我们也可以传入一个函数进行求值。

In [4]: iris.assign(sepal_ratio=lambda x: (x['SepalWidth']
   ...:                                    / x['SepalLength'])).head()
   ...: 
Out[4]: 
   SepalLength  SepalWidth  PetalLength  PetalWidth         Name  sepal_ratio
0          5.1         3.5          1.4         0.2  Iris-setosa     0.686275
1          4.9         3.0          1.4         0.2  Iris-setosa     0.612245
2          4.7         3.2          1.3         0.2  Iris-setosa     0.680851
3          4.6         3.1          1.5         0.2  Iris-setosa     0.673913
4          5.0         3.6          1.4         0.2  Iris-setosa     0.720000

[5 rows x 6 columns]

assign 的强大之处在于它在操作链中的使用。例如，我们可以将 DataFrame 限制为萼片长度大于 5 的那些行，计算比率，然后绘制

In [5]: iris = pd.read_csv('data/iris.data')

In [6]: (iris.query('SepalLength > 5')
   ...:      .assign(SepalRatio=lambda x: x.SepalWidth / x.SepalLength,
   ...:              PetalRatio=lambda x: x.PetalWidth / x.PetalLength)
   ...:      .plot(kind='scatter', x='SepalRatio', y='PetalRatio'))
   ...: 
Out[6]: <Axes: xlabel='SepalRatio', ylabel='PetalRatio'>
../_images/whatsnew_assign.png

更多信息请参见文档。(GH 9229)

与 scipy.sparse 的交互#

添加了 SparseSeries.to_coo() 和 SparseSeries.from_coo() 方法 (GH 8048)，用于与 scipy.sparse.coo_matrix 实例进行转换（参见此处）。例如，给定一个带有 MultiIndex 的 SparseSeries，我们可以通过将行和列标签指定为索引级别来将其转换为 scipy.sparse.coo_matrix

s = pd.Series([3.0, np.nan, 1.0, 3.0, np.nan, np.nan])
s.index = pd.MultiIndex.from_tuples([(1, 2, 'a', 0),
                                     (1, 2, 'a', 1),
                                     (1, 1, 'b', 0),
                                     (1, 1, 'b', 1),
                                     (2, 1, 'b', 0),
                                     (2, 1, 'b', 1)],
                                    names=['A', 'B', 'C', 'D'])

s

# SparseSeries
ss = s.to_sparse()
ss

A, rows, columns = ss.to_coo(row_levels=['A', 'B'],
                             column_levels=['C', 'D'],
                             sort_labels=False)

A
A.todense()
rows
columns

from_coo 方法是一个方便的方法，用于从 scipy.sparse.coo_matrix 创建 SparseSeries

from scipy import sparse
A = sparse.coo_matrix(([3.0, 1.0, 2.0], ([1, 0, 0], [0, 2, 3])),
                      shape=(3, 4))
A
A.todense()

ss = pd.SparseSeries.from_coo(A)
ss

字符串方法增强#

  • 以下新方法可以通过 .str 访问器访问，以将函数应用于每个值。这旨在使其与字符串上的标准方法更一致。(GH 9282, GH 9352, GH 9386, GH 9387, GH 9439)

    方法

    isalnum()

    isalpha()

    isdigit()

    isdigit()

    isspace()

    islower()

    isupper()

    istitle()

    isnumeric()

    isdecimal()

    find()

    rfind()

    ljust()

    rjust()

    zfill()

    		 
    In [7]: s = pd.Series(['abcd', '3456', 'EFGH'])

In [8]: s.str.isalpha()
Out[8]: 
0     True
1    False
2     True
Length: 3, dtype: bool

In [9]: s.str.find('ab')
Out[9]: 
0    0
1   -1
2   -1
Length: 3, dtype: int64

  • Series.str.pad() 和 Series.str.center() 现在接受 fillchar 选项来指定填充字符 (GH 9352)

    In [10]: s = pd.Series(['12', '300', '25'])

In [11]: s.str.pad(5, fillchar='_')
Out[11]: 
0    ___12
1    __300
2    ___25
Length: 3, dtype: object

  • 添加了 Series.str.slice_replace()，此前会引发 NotImplementedError (GH 8888)

    In [12]: s = pd.Series(['ABCD', 'EFGH', 'IJK'])

In [13]: s.str.slice_replace(1, 3, 'X')
Out[13]: 
0    AXD
1    EXH
2     IX
Length: 3, dtype: object

# replaced with empty char
In [14]: s.str.slice_replace(0, 1)
Out[14]: 
0    BCD
1    FGH
2     JK
Length: 3, dtype: object

其他增强#

  • Reindex 现在支持带有单调递增或递减索引的框架或系列，使用 method='nearest' (GH 9258)

    In [15]: df = pd.DataFrame({'x': range(5)})

In [16]: df.reindex([0.2, 1.8, 3.5], method='nearest')
Out[16]: 
     x
0.2  0
1.8  2
3.5  4

[3 rows x 1 columns]

    此方法也通过更底层的 Index.get_indexer 和 Index.get_loc 方法暴露。

  • read_excel() 函数的 sheetname 参数现在接受列表和 None，分别用于获取多个或所有工作表。如果指定了多个工作表，则返回一个字典。(GH 9450)

    # Returns the 1st and 4th sheet, as a dictionary of DataFrames.
pd.read_excel('path_to_file.xls', sheetname=['Sheet1', 3])

  • 允许使用迭代器增量读取 Stata 文件；支持 Stata 文件中的长字符串。参见文档此处 (GH 9493)。

  • 以 ~ 开头的路径现在将扩展为以用户主目录开头 (GH 9066)

  • 在 get_data_yahoo 中添加了时间间隔选择 (GH 9071)

  • 添加了 Timestamp.to_datetime64() 作为 Timedelta.to_timedelta64() 的补充 (GH 9255)

  • tseries.frequencies.to_offset() 现在接受 Timedelta 作为输入 (GH 9064)

  • Series 的自相关方法中添加了滞后参数，默认为滞后-1 自相关 (GH 9192)

  • Timedelta 现在将在构造函数中接受 nanoseconds 关键字 (GH 9273)

  • SQL 代码现在可以安全地转义表名和列名 (GH 8986)

  • 为 Series.str.<tab>、Series.dt.<tab> 和 Series.cat.<tab> 添加了自动完成功能 (GH 9322)

  • Index.get_indexer 现在支持 method='pad' 和 method='backfill'，即使对于任何目标数组（不仅仅是单调目标）也如此。这些方法也适用于单调递减和单调递增的索引 (GH 9258)。

  • Index.asof 现在适用于所有索引类型 (GH 9258)。

  • io.read_excel() 中已添加 verbose 参数，默认为 False。设置为 True 可在解析时打印工作表名称。(GH 9450)

  • 向 Timestamp、DatetimeIndex、Period、PeriodIndex 和 Series.dt 添加了 days_in_month (兼容别名 daysinmonth) 属性 (GH 9572)

  • 在 to_csv 中添加了 decimal 选项，用于提供非'.'小数分隔符的格式 (GH 781)

  • 为 Timestamp 添加了 normalize 选项，以规范化到午夜 (GH 8794)

  • 添加了使用 HDF5 文件和 rhdf5 库将 DataFrame 导入 R 的示例。更多信息请参见文档 (GH 9636)。

向后不兼容的 API 更改#

timedelta 中的更改#

在 v0.15.0 中引入了一个新的标量类型 Timedelta，它是 datetime.timedelta 的子类。在此处提及了一个关于 .seconds 访问器的 API 更改。其目的是提供一组用户友好的访问器，给出该单位的“自然”值，例如，如果你有一个 Timedelta('1 day, 10:11:12')，那么 .seconds 将返回 12。然而，这与 datetime.timedelta 的定义相悖，后者将 .seconds 定义为 10 * 3600 + 11 * 60 + 12 == 36672。

因此，在 v0.16.0 中，我们正在恢复 API 以匹配 datetime.timedelta 的定义。此外，组件值仍然可以通过 .components 访问器获得。这些更改影响 .seconds 和 .microseconds 访问器，并移除 .hours、.minutes、.milliseconds 访问器。这些更改也影响 TimedeltaIndex 和 Series 的 .dt 访问器。(GH 9185, GH 9139)

以前的行为

In [2]: t = pd.Timedelta('1 day, 10:11:12.100123')

In [3]: t.days
Out[3]: 1

In [4]: t.seconds
Out[4]: 12

In [5]: t.microseconds
Out[5]: 123

新的行为

In [17]: t = pd.Timedelta('1 day, 10:11:12.100123')

In [18]: t.days
Out[18]: 1

In [19]: t.seconds
Out[19]: 36672

In [20]: t.microseconds
Out[20]: 100123

使用 .components 允许完全组件访问

In [21]: t.components
Out[21]: Components(days=1, hours=10, minutes=11, seconds=12, milliseconds=100, microseconds=123, nanoseconds=0)

In [22]: t.components.seconds
Out[22]: 12

索引更改#

使用 .loc 的一小部分边缘情况的行为已更改 (GH 8613)。此外，我们改进了引发的错误消息的内容

  • 现在允许使用 .loc 进行切片时，开始和/或停止边界在索引中未找到；以前这会引发 KeyError。这使得在这种情况下行为与 .ix 相同。此更改仅适用于切片，不适用于单个标签索引。

    In [23]: df = pd.DataFrame(np.random.randn(5, 4),
   ....:                   columns=list('ABCD'),
   ....:                   index=pd.date_range('20130101', periods=5))
   ....: 

In [24]: df
Out[24]: 
                   A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401

[5 rows x 4 columns]

In [25]: s = pd.Series(range(5), [-2, -1, 1, 2, 3])

In [26]: s
Out[26]: 
-2    0
-1    1
 1    2
 2    3
 3    4
Length: 5, dtype: int64

    以前的行为

    In [4]: df.loc['2013-01-02':'2013-01-10']
KeyError: 'stop bound [2013-01-10] is not in the [index]'

In [6]: s.loc[-10:3]
KeyError: 'start bound [-10] is not the [index]'

    新的行为

    In [27]: df.loc['2013-01-02':'2013-01-10']
Out[27]: 
                   A         B         C         D
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401

[4 rows x 4 columns]

In [28]: s.loc[-10:3]
Out[28]: 
-2    0
-1    1
 1    2
 2    3
 3    4
Length: 5, dtype: int64

  • 允许使用 .ix 对整数索引进行浮点值切片。以前这只对 .loc 启用

    以前的行为

    In [8]: s.ix[-1.0:2]
TypeError: the slice start value [-1.0] is not a proper indexer for this index type (Int64Index)

    新的行为

    In [2]: s.ix[-1.0:2]
Out[2]:
-1    1
 1    2
 2    3
dtype: int64

  • 在使用 .loc 时，如果索引类型无效，则提供有用的异常。例如，尝试在 DatetimeIndex、PeriodIndex 或 TimedeltaIndex 类型的索引上使用 .loc，并使用整数（或浮点数）。

    以前的行为

    In [4]: df.loc[2:3]
KeyError: 'start bound [2] is not the [index]'

    新的行为

    In [4]: df.loc[2:3]
TypeError: Cannot do slice indexing on <class 'pandas.tseries.index.DatetimeIndex'> with <type 'int'> keys

Categorical 更改#

在以前的版本中，未指定排序（即未传入 ordered 关键字）的 Categoricals 默认被视为 ordered Categoricals。从现在起，Categorical 构造函数中的 ordered 关键字将默认为 False。排序现在必须明确指定。

此外，以前你*可以*通过简单地设置属性来改变 Categorical 的 ordered 属性，例如 cat.ordered=True；现在这已弃用，你应该使用 cat.as_ordered() 或 cat.as_unordered()。这些方法默认会返回一个**新**对象，而不是修改现有对象。(GH 9347, GH 9190)

以前的行为

In [3]: s = pd.Series([0, 1, 2], dtype='category')

In [4]: s
Out[4]:
0    0
1    1
2    2
dtype: category
Categories (3, int64): [0 < 1 < 2]

In [5]: s.cat.ordered
Out[5]: True

In [6]: s.cat.ordered = False

In [7]: s
Out[7]:
0    0
1    1
2    2
dtype: category
Categories (3, int64): [0, 1, 2]

新的行为

In [29]: s = pd.Series([0, 1, 2], dtype='category')

In [30]: s
Out[30]: 
0    0
1    1
2    2
Length: 3, dtype: category
Categories (3, int64): [0, 1, 2]

In [31]: s.cat.ordered
Out[31]: False

In [32]: s = s.cat.as_ordered()

In [33]: s
Out[33]: 
0    0
1    1
2    2
Length: 3, dtype: category
Categories (3, int64): [0 < 1 < 2]

In [34]: s.cat.ordered
Out[34]: True

# you can set in the constructor of the Categorical
In [35]: s = pd.Series(pd.Categorical([0, 1, 2], ordered=True))

In [36]: s
Out[36]: 
0    0
1    1
2    2
Length: 3, dtype: category
Categories (3, int64): [0 < 1 < 2]

In [37]: s.cat.ordered
Out[37]: True

为了方便创建分类数据系列，我们增加了在调用 .astype() 时传递关键字参数的功能。这些参数会直接传递给构造函数。

In [54]: s = pd.Series(["a", "b", "c", "a"]).astype('category', ordered=True)

In [55]: s
Out[55]:
0    a
1    b
2    c
3    a
dtype: category
Categories (3, object): [a < b < c]

In [56]: s = (pd.Series(["a", "b", "c", "a"])
   ....:        .astype('category', categories=list('abcdef'), ordered=False))

In [57]: s
Out[57]:
0    a
1    b
2    c
3    a
dtype: category
Categories (6, object): [a, b, c, d, e, f]

其他 API 更改#

  • Index.duplicated 现在返回 np.array(dtype=bool)，而不是包含 bool 值的 Index(dtype=object)。(GH 8875)

  • DataFrame.to_json 现在为混合 dtype 框架返回每列的精确类型序列化 (GH 9037)

    以前数据在序列化前会被强制转换为共同的 dtype，例如导致整数序列化为浮点数

    In [2]: pd.DataFrame({'i': [1,2], 'f': [3.0, 4.2]}).to_json()
Out[2]: '{"f":{"0":3.0,"1":4.2},"i":{"0":1.0,"1":2.0}}'

    现在每列都使用其正确的 dtype 进行序列化

    In [2]:  pd.DataFrame({'i': [1,2], 'f': [3.0, 4.2]}).to_json()
Out[2]: '{"f":{"0":3.0,"1":4.2},"i":{"0":1,"1":2}}'

  • DatetimeIndex、PeriodIndex 和 TimedeltaIndex.summary 现在输出相同的格式。(GH 9116)

  • TimedeltaIndex.freqstr 现在输出与 DatetimeIndex 相同的字符串格式。(GH 9116)

  • 条形图和水平条形图不再沿信息轴添加虚线。以前的样式可以通过 matplotlib 的 axhline 或 axvline 方法实现 (GH 9088)。

  • Series 访问器 .dt、.cat 和 .str 现在在系列不包含适当类型的数据时引发 AttributeError 而不是 TypeError (GH 9617)。这更紧密地遵循 Python 的内置异常层次结构，并确保 hasattr(s, 'cat') 等测试在 Python 2 和 3 上都一致。

  • Series 现在支持整数类型的位运算 (GH 9016)。以前，即使输入 dtype 是整数，输出 dtype 也会被强制转换为 bool。

    以前的行为

    In [2]: pd.Series([0, 1, 2, 3], list('abcd')) | pd.Series([4, 4, 4, 4], list('abcd'))
Out[2]:
a    True
b    True
c    True
d    True
dtype: bool

    新行为。如果输入 dtype 是整数，则输出 dtype 也是整数，并且输出值是位运算的结果。

    In [2]: pd.Series([0, 1, 2, 3], list('abcd')) | pd.Series([4, 4, 4, 4], list('abcd'))
Out[2]:
a    4
b    5
c    6
d    7
dtype: int64

  • 在涉及 Series 或 DataFrame 的除法运算中，0/0 和 0//0 现在给出 np.nan 而不是 np.inf。(GH 9144, GH 8445)

    以前的行为

    In [2]: p = pd.Series([0, 1])

In [3]: p / 0
Out[3]:
0    inf
1    inf
dtype: float64

In [4]: p // 0
Out[4]:
0    inf
1    inf
dtype: float64

    新的行为

    In [38]: p = pd.Series([0, 1])

In [39]: p / 0
Out[39]: 
0    NaN
1    inf
Length: 2, dtype: float64

In [40]: p // 0
Out[40]: 
0    NaN
1    inf
Length: 2, dtype: float64

  • Series.values_counts 和 Series.describe 对于分类数据现在将 NaN 条目放在末尾。(GH 9443)

  • Series.describe 对于分类数据现在将未使用的类别的计数和频率设为 0，而不是 NaN (GH 9443)

  • 由于一个错误修复，使用 DatetimeIndex.asof 查找部分字符串标签现在包含与字符串匹配的值，即使它们在部分字符串标签的开始之后 (GH 9258)。

    旧行为

    In [4]: pd.to_datetime(['2000-01-31', '2000-02-28']).asof('2000-02')
Out[4]: Timestamp('2000-01-31 00:00:00')

    已修复的行为

    In [41]: pd.to_datetime(['2000-01-31', '2000-02-28']).asof('2000-02')
Out[41]: Timestamp('2000-02-28 00:00:00')

    要重现旧行为，只需在标签中添加更多精度（例如，使用 2000-02-01 而不是 2000-02）。

弃用#

  • rplot 栅格绘图接口已弃用，并将在未来版本中移除。我们建议使用像 seaborn 这样的外部包来获取类似但更精细的功能 (GH 3445)。文档中包含了一些如何将现有代码从 rplot 转换为 seaborn 的示例此处。

  • pandas.sandbox.qtpandas 接口已弃用，并将在未来版本中移除。我们建议用户使用外部包 pandas-qt。(GH 9615)

  • pandas.rpy 接口已弃用，并将在未来版本中移除。类似的功能可以通过 rpy2 项目访问 (GH 9602)

  • 将 DatetimeIndex/PeriodIndex 添加到另一个 DatetimeIndex/PeriodIndex 作为集合操作已被弃用。这将在未来版本中更改为 TypeError。.union() 应该用于并集集合操作。(GH 9094)

  • 将 DatetimeIndex/PeriodIndex 从另一个 DatetimeIndex/PeriodIndex 中减去作为集合操作已被弃用。这将在未来版本中更改为实际的数值减法，产生 TimeDeltaIndex。.difference() 应该用于差集集合操作。(GH 9094)

移除先前版本弃用/更改#

  • DataFrame.pivot_table 和 crosstab 的 rows 和 cols 关键字参数已移除，取而代之的是 index 和 columns (GH 6581)

  • DataFrame.to_excel 和 DataFrame.to_csv 的 cols 关键字参数已移除，取而代之的是 columns (GH 6581)

  • 移除了 convert_dummies，取而代之的是 get_dummies (GH 6581)

  • 移除了 value_range，取而代之的是 describe (GH 6581)

性能改进#

  • 修复了 .loc 索引使用数组或类列表时的性能回归问题 (GH 9126)。

  • DataFrame.to_json 对于混合 dtype 框架的性能提高了 30 倍。(GH 9037)

  • 通过使用标签而非值，提高了 MultiIndex.duplicated 的性能 (GH 9125)

  • 通过调用 unique 而不是 value_counts，提高了 nunique 的速度 (GH 9129, GH 7771)

  • 通过适当利用同构/异构 dtypes，DataFrame.count 和 DataFrame.dropna 的性能提高了 10 倍 (GH 9136)

  • 在使用 MultiIndex 和 level 关键字参数时，DataFrame.count 的性能提高了 20 倍 (GH 9163)

  • 当键空间超出 int64 边界时，merge 的性能和内存使用改进 (GH 9151)

  • 多键 groupby 的性能改进 (GH 9429)

  • MultiIndex.sortlevel 的性能改进 (GH 9445)

  • DataFrame.duplicated 的性能和内存使用改进 (GH 9398)

  • 周期 Period 的 Cython 化 (GH 9440)

  • to_hdf 的内存使用量减少 (GH 9648)

错误修复#

  • 更改了 .to_html 以移除表格体中的前导/尾随空格 (GH 4987)

  • 修复了在 Python 3 中使用 read_csv 读取 s3 时的兼容性问题 (GH 9452)

  • 修复了 DatetimeIndex 中的兼容性问题，该问题影响 numpy.int_ 默认为 numpy.int32 的架构 (GH 8943)

  • 面板索引与对象类型使用时的错误 (GH 9140)

  • 返回的 Series.dt.components 索引被重置为默认索引的错误 (GH 9247)

  • 在 Categorical.__getitem__/__setitem__ 中使用类列表输入时，由于索引器强制转换导致结果不正确的错误 (GH 9469)

  • DatetimeIndex 的部分设置中的错误 (GH 9478)

  • groupby 对于整数和 datetime64 列在应用聚合器时导致值在数字足够大时被更改的错误 (GH 9311, GH 6620)

  • 修复了 to_sql 中将 Timestamp 对象列（带有时区信息的 datetime 列）映射到适当的 sqlalchemy 类型时的错误 (GH 9085)。

  • 修复了 to_sql dtype 参数不接受实例化 SQLAlchemy 类型的错误 (GH 9083)。

  • .loc 使用 np.datetime64 部分设置时的错误 (GH 9516)

  • 对于类似日期时间的 Series 和 .xs 切片推断出不正确的 dtype (GH 9477)

  • Categorical.unique() (以及如果 s 的 dtype 为 category 则为 s.unique()) 中的项现在按其最初找到的顺序出现，而不是按排序顺序出现 (GH 9331)。这现在与 pandas 中其他 dtype 的行为一致。

  • 修复了大端平台在 StataReader 中产生不正确结果的错误 (GH 8688)。

  • MultiIndex.has_duplicates 中存在一个错误，当有许多级别时会导致索引器溢出 (GH 9075, GH 5873)

  • pivot 和 unstack 中存在的错误，其中 nan 值会破坏索引对齐 (GH 4862, GH 7401, GH 7403, GH 7405, GH 7466, GH 9497)

  • MultiIndex 上使用 sort=True 或空值进行左连接时的错误 (GH 9210)。

  • MultiIndex 中插入新键失败的错误 (GH 9250)。

  • 当键空间超出 int64 边界时，groupby 中的错误 (GH 9096)。

  • 使用 TimedeltaIndex 或 DatetimeIndex 和空值进行 unstack 时的错误 (GH 9491)。

  • rank 中的错误，其中带容差比较浮点数会导致不一致的行为 (GH 8365)。

  • 修复了从 URL 加载数据时，read_stata 和 StataReader 中的字符编码错误 (GH 9231)。

  • 在将 offsets.Nano 添加到其他偏移量时引发 TypeError 的错误 (GH 9284)

  • DatetimeIndex 迭代中的错误，与 (GH 8890) 相关，已在 (GH 9100) 中修复

  • resample 在夏令时转换期间的错误。这需要修复偏移类，以便它们在夏令时转换时行为正确。(GH 5172, GH 8744, GH 8653, GH 9173, GH 9468)。

  • 二进制运算符方法（例如 .mul()）与整数级别对齐时的错误 (GH 9463)。

  • 箱线图、散点图和蜂窝图可能显示不必要的警告的错误 (GH 8877)

  • 使用 layout 关键字参数的子图可能显示不必要警告的错误 (GH 9464)

  • 在使用包装函数（例如 fillna）时，使用需要传递参数（例如轴）的 grouper 函数时出现的错误 (GH 9221)

  • DataFrame 现在在构造函数中正确支持同时使用 copy 和 dtype 参数 (GH 9099)

  • 当使用 C 引擎读取带有回车符换行符的文件并使用 skiprows 时，read_csv 中的错误。(GH 9079)

  • isnull 现在检测 PeriodIndex 中的 NaT (GH 9129)

  • 使用多列 groupby 时，groupby .nth() 中的错误 (GH 8979)

  • DataFrame.where 和 Series.where 将数值错误地强制转换为字符串的错误 (GH 9280)

  • DataFrame.where 和 Series.where 在传入字符串类列表时引发 ValueError 的错误。(GH 9280)

  • 在非字符串值上访问 Series.str 方法现在会引发 TypeError，而不是产生不正确的结果 (GH 9184)

  • DatetimeIndex.__contains__ 在索引包含重复项且非单调递增时的错误 (GH 9512)

  • 修复了当所有值相等时 Series.kurt() 的除零错误 (GH 9197)

  • 修复了 xlsxwriter 引擎中的问题，该问题导致如果没有应用其他格式，它会向单元格添加默认的“常规”格式。这阻止了其他行或列格式的应用。(GH 9167)

  • 修复了在 read_csv 中同时指定 index_col=False 和 usecols 时的兼容性问题。(GH 9082)

  • wide_to_long 会修改输入存根名称列表的错误 (GH 9204)

  • to_sql 未使用双精度存储 float64 值的错误。(GH 9009)

  • SparseSeries 和 SparsePanel 现在接受零参数构造函数（与其非稀疏对应项相同）(GH 9272)。

  • 合并 Categorical 和 object dtypes 时的回归问题 (GH 9426)

  • read_csv 在某些格式错误的输入文件上发生缓冲区溢出的错误 (GH 9205)

  • groupby MultiIndex 缺失对的错误 (GH 9049, GH 9344)

  • 修复了 Series.groupby 中按 MultiIndex 级别分组时会忽略排序参数的错误 (GH 9444)

  • 修复了 DataFrame.Groupby 在分类列情况下 sort=False 被忽略的错误。(GH 8868)

  • 修复了 Python 3 上从 Amazon S3 读取 CSV 文件时引发 TypeError 的错误 (GH 9452)

  • Google BigQuery 阅读器中存在的错误，其中查询结果中可能存在 'jobComplete' 键但为 False (GH 8728)

  • 在 Series.values_counts 中，当 Series 类型为分类，且 dropna=True 时，排除 NaN 的错误 (GH 9443)

  • 修复了 DataFrame.std/var/sem 缺少 numeric_only 选项的问题 (GH 9201)

  • 支持使用标量数据构造 Panel 或 Panel4D (GH 8285)

  • Series 文本表示与 max_rows/max_columns 脱钩 (GH 7508)。

  • Series 数字格式在截断时不一致 (GH 8532)。

    以前的行为

    In [2]: pd.options.display.max_rows = 10
In [3]: s = pd.Series([1,1,1,1,1,1,1,1,1,1,0.9999,1,1]*10)
In [4]: s
Out[4]:
0    1
1    1
2    1
...
127    0.9999
128    1.0000
129    1.0000
Length: 130, dtype: float64

    新的行为

    0      1.0000
1      1.0000
2      1.0000
3      1.0000
4      1.0000
...
125    1.0000
126    1.0000
127    0.9999
128    1.0000
129    1.0000
dtype: float64

  • 在某些情况下，在框架中设置新项目时会生成一个错误的 SettingWithCopy 警告 (GH 8730)

    以下代码以前会报告 SettingWithCopy 警告。

    In [42]: df1 = pd.DataFrame({'x': pd.Series(['a', 'b', 'c']),
   ....:                     'y': pd.Series(['d', 'e', 'f'])})
   ....: 

In [43]: df2 = df1[['x']]

In [44]: df2['y'] = ['g', 'h', 'i']

贡献者#

共有 60 人为此版本贡献了补丁。名字旁边带有“+”的人是首次贡献补丁。

  • Aaron Toth +

  • Alan Du +

  • Alessandro Amici +

  • Artemy Kolchinsky

  • Ashwini Chaudhary +

  • Ben Schiller

  • Bill Letson

  • Brandon Bradley +

  • Chau Hoang +

  • Chris Reynolds

  • Chris Whelan +

  • Christer van der Meeren +

  • David Cottrell +

  • David Stephens

  • Ehsan Azarnasab +

  • Garrett-R +

  • Guillaume Gay

  • Jake Torcasso +

  • Jason Sexauer

  • Jeff Reback

  • John McNamara

  • Joris Van den Bossche

  • Joschka zur Jacobsmühlen +

  • Juarez Bochi +

  • Junya Hayashi +

  • K.-Michael Aye

  • Kerby Shedden +

  • Kevin Sheppard

  • Kieran O’Mahony

  • Kodi Arfer +

  • Matti Airas +

  • Min RK +

  • Mortada Mehyar

  • Robert +

  • Scott E Lasley

  • Scott Lasley +

  • Sergio Pascual +

  • Skipper Seabold

  • Stephan Hoyer

  • Thomas Grainger

  • Tom Augspurger

  • TomAugspurger

  • Vladimir Filimonov +

  • Vyomkesh Tripathi +

  • Will Holmgren

  • Yulong Yang +

  • behzad nouri

  • bertrandhaut +

  • bjonen

  • cel4 +

  • clham

  • hsperr +

  • ischwabacher

  • jnmclarty

  • josham +

  • jreback

  • omtinez +

  • roch +

  • sinhrks

  • unutbu