版本 0.18.1 (2016年5月3日)#

这是 0.18.0 的一个次要错误修复版本，包含了大量错误修复以及几项新功能、增强功能和性能改进。我们建议所有用户升级到此版本。

亮点包括

.groupby(...) 已得到增强，以便在使用 .rolling(..)、.expanding(..) 和 .resample(..) 进行分组时提供便捷的语法，详见此处
pd.to_datetime() 已获得从 DataFrame 组装日期的能力，详见此处
方法链改进，详见此处。
自定义营业时间偏移，详见此处。
sparse 处理中的许多错误修复，详见此处
扩展了教程部分，其中包含一篇关于现代 pandas 的专题，由 @TomAugsburger 提供。(GH 13045)。

新功能#

自定义营业时间#

CustomBusinessHour 是 BusinessHour 和 CustomBusinessDay 的混合，允许您指定任意假期。详情请参阅自定义营业时间 (GH 11514)

In [1]: from pandas.tseries.offsets import CustomBusinessHour

In [2]: from pandas.tseries.holiday import USFederalHolidayCalendar

In [3]: bhour_us = CustomBusinessHour(calendar=USFederalHolidayCalendar())

马丁·路德·金纪念日前的星期五

In [4]: import datetime

In [5]: dt = datetime.datetime(2014, 1, 17, 15)

In [6]: dt + bhour_us
Out[6]: Timestamp('2014-01-17 16:00:00')

马丁·路德·金纪念日后的星期二 (星期一因是假期而跳过)

In [7]: dt + bhour_us * 2
Out[7]: Timestamp('2014-01-20 09:00:00')

使用窗口和重采样操作的 `.groupby(..)` 方法语法#

.groupby(...) 已得到增强，以便在使用 .rolling(..)、.expanding(..) 和 .resample(..) 进行分组时提供便捷的语法，详见 (GH 12486, GH 12738)。

您现在可以将 .rolling(..) 和 .expanding(..) 作为 groupby 的方法使用。这些方法会返回另一个延迟对象 (类似于 .rolling() 和 .expanding() 在未分组的 pandas 对象上所做的操作)。然后，您可以以类似的方式操作这些 RollingGroupby 对象。

以前，您必须这样做才能获取每组的滚动窗口平均值

In [8]: df = pd.DataFrame({"A": [1] * 20 + [2] * 12 + [3] * 8, "B": np.arange(40)})

In [9]: df
Out[9]: 
    A   B
0   1   0
1   1   1
2   1   2
3   1   3
4   1   4
.. ..  ..
35  3  35
36  3  36
37  3  37
38  3  38
39  3  39

[40 rows x 2 columns]

In [1]: df.groupby("A").apply(lambda x: x.rolling(4).B.mean())
Out[1]:
A
0      NaN
    NaN
    NaN
    1.5
    2.5
    3.5
    4.5
    5.5
    6.5
    7.5
   8.5
   9.5
  10.5
  11.5
  12.5
  13.5
  14.5
  15.5
  16.5
  17.5
20     NaN
   NaN
   NaN
  21.5
  22.5
  23.5
  24.5
  25.5
  26.5
  27.5
  28.5
  29.5
32     NaN
   NaN
   NaN
  33.5
  34.5
  35.5
  36.5
  37.5
Name: B, dtype: float64

现在您可以这样做

In [10]: df.groupby("A").rolling(4).B.mean()
Out[10]: 
A    
1  0      NaN
   1      NaN
   2      NaN
   3      1.5
   4      2.5
         ... 
3  35    33.5
   36    34.5
   37    35.5
   38    36.5
   39    37.5
Name: B, Length: 40, dtype: float64

对于 .resample(..) 类型的操作，以前您必须

In [11]: df = pd.DataFrame(
   ....:     {
   ....:         "date": pd.date_range(start="2016-01-01", periods=4, freq="W"),
   ....:         "group": [1, 1, 2, 2],
   ....:         "val": [5, 6, 7, 8],
   ....:     }
   ....: ).set_index("date")
   ....: 

In [12]: df
Out[12]: 
            group  val
date                  
2016-01-03      1    5
2016-01-10      1    6
2016-01-17      2    7
2016-01-24      2    8

[4 rows x 2 columns]

In[1]: df.groupby("group").apply(lambda x: x.resample("1D").ffill())
Out[1]:
                  group  val
group date
1     2016-01-03      1    5
      2016-01-04      1    5
      2016-01-05      1    5
      2016-01-06      1    5
      2016-01-07      1    5
      2016-01-08      1    5
      2016-01-09      1    5
      2016-01-10      1    6
2     2016-01-17      2    7
      2016-01-18      2    7
      2016-01-19      2    7
      2016-01-20      2    7
      2016-01-21      2    7
      2016-01-22      2    7
      2016-01-23      2    7
      2016-01-24      2    8

现在您可以这样做

In[1]: df.groupby("group").resample("1D").ffill()
Out[1]:
                  group  val
group date
1     2016-01-03      1    5
      2016-01-04      1    5
      2016-01-05      1    5
      2016-01-06      1    5
      2016-01-07      1    5
      2016-01-08      1    5
      2016-01-09      1    5
      2016-01-10      1    6
2     2016-01-17      2    7
      2016-01-18      2    7
      2016-01-19      2    7
      2016-01-20      2    7
      2016-01-21      2    7
      2016-01-22      2    7
      2016-01-23      2    7
      2016-01-24      2    8

方法链改进#

以下方法/索引器现在接受 callable。它旨在使这些方法在方法链中更有用，请参阅文档。(GH 11485, GH 12533)

.where() 和 .mask()
.loc[]、iloc[] 和 .ix[]
[] 索引

方法 `.where()` 和 `.mask()`#

这些可以接受条件和 other 参数的可调用对象。

In [13]: df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6], "C": [7, 8, 9]})

In [14]: df.where(lambda x: x > 4, lambda x: x + 10)
Out[14]: 
    A   B  C
0  11  14  7
1  12   5  8
2  13   6  9

[3 rows x 3 columns]

方法 `.loc[]`、`.iloc[]`、`.ix[]`#

这些可以接受可调用对象和作为切片器的可调用对象元组。可调用对象可以返回一个有效的布尔索引器或任何对这些索引器输入有效的内容。

# callable returns bool indexer
In [15]: df.loc[lambda x: x.A >= 2, lambda x: x.sum() > 10]
Out[15]: 
   B  C
1  5  8
2  6  9

[2 rows x 2 columns]

# callable returns list of labels
In [16]: df.loc[lambda x: [1, 2], lambda x: ["A", "B"]]
Out[16]: 
   A  B
1  2  5
2  3  6

[2 rows x 2 columns]

使用 `[]` 索引#

最后，您可以在 Series、DataFrame 和 Panel 的 [] 索引中使用可调用对象。可调用对象必须根据其类和索引类型返回 [] 索引的有效输入。

In [17]: df[lambda x: "A"]
Out[17]: 
0    1
1    2
2    3
Name: A, Length: 3, dtype: int64

使用这些方法/索引器，您可以链式数据选择操作，而无需使用临时变量。

In [18]: bb = pd.read_csv("data/baseball.csv", index_col="id")

In [19]: (bb.groupby(["year", "team"]).sum(numeric_only=True).loc[lambda df: df.r > 100])
Out[19]: 
           stint    g    ab    r    h  X2b  ...     so   ibb   hbp    sh    sf  gidp
year team                                   ...                                     
2007 CIN       6  379   745  101  203   35  ...  127.0  14.0   1.0   1.0  15.0  18.0
     DET       5  301  1062  162  283   54  ...  176.0   3.0  10.0   4.0   8.0  28.0
     HOU       4  311   926  109  218   47  ...  212.0   3.0   9.0  16.0   6.0  17.0
     LAN      11  413  1021  153  293   61  ...  141.0   8.0   9.0   3.0   8.0  29.0
     NYN      13  622  1854  240  509  101  ...  310.0  24.0  23.0  18.0  15.0  48.0
     SFN       5  482  1305  198  337   67  ...  188.0  51.0   8.0  16.0   6.0  41.0
     TEX       2  198   729  115  200   40  ...  140.0   4.0   5.0   2.0   8.0  16.0
     TOR       4  459  1408  187  378   96  ...  265.0  16.0  12.0   4.0  16.0  38.0

[8 rows x 18 columns]

`DatetimeIndex` 作为 `MultiIndex` 一部分时的部分字符串索引#

当 DateTimeIndex 是 MultiIndex 的一部分时，部分字符串索引现在可以匹配 (GH 10331)

In [20]: dft2 = pd.DataFrame(
   ....:     np.random.randn(20, 1),
   ....:     columns=["A"],
   ....:     index=pd.MultiIndex.from_product(
   ....:         [pd.date_range("20130101", periods=10, freq="12H"), ["a", "b"]]
   ....:     ),
   ....: )
   ....:

In [21]: dft2
Out[21]:
                              A
2013-01-01 00:00:00 a  0.469112
                    b -0.282863
2013-01-01 12:00:00 a -1.509059
                    b -1.135632
2013-01-02 00:00:00 a  1.212112
...                         ...
2013-01-04 12:00:00 b  0.271860
2013-01-05 00:00:00 a -0.424972
                    b  0.567020
2013-01-05 12:00:00 a  0.276232
                    b -1.087401

[20 rows x 1 columns]

In [22]: dft2.loc["2013-01-05"]
Out[22]:
                              A
2013-01-05 00:00:00 a -0.424972
                    b  0.567020
2013-01-05 12:00:00 a  0.276232
                    b -1.087401

[4 rows x 1 columns]

在其他级别上

In [26]: idx = pd.IndexSlice

In [27]: dft2 = dft2.swaplevel(0, 1).sort_index()

In [28]: dft2
Out[28]:
                              A
a 2013-01-01 00:00:00  0.469112
  2013-01-01 12:00:00 -1.509059
  2013-01-02 00:00:00  1.212112
  2013-01-02 12:00:00  0.119209
  2013-01-03 00:00:00 -0.861849
...                         ...
b 2013-01-03 12:00:00  1.071804
  2013-01-04 00:00:00 -0.706771
  2013-01-04 12:00:00  0.271860
  2013-01-05 00:00:00  0.567020
  2013-01-05 12:00:00 -1.087401

[20 rows x 1 columns]

In [29]: dft2.loc[idx[:, "2013-01-05"], :]
Out[29]:
                              A
a 2013-01-05 00:00:00 -0.424972
  2013-01-05 12:00:00  0.276232
b 2013-01-05 00:00:00  0.567020
  2013-01-05 12:00:00 -1.087401

[4 rows x 1 columns]

组装日期时间#

pd.to_datetime() 已获得了从传入的 DataFrame 或字典中组装日期时间的能力。(GH 8158)。

In [20]: df = pd.DataFrame(
   ....:     {"year": [2015, 2016], "month": [2, 3], "day": [4, 5], "hour": [2, 3]}
   ....: )
   ....: 

In [21]: df
Out[21]: 
   year  month  day  hour
0  2015      2    4     2
1  2016      3    5     3

[2 rows x 4 columns]

使用传入的 frame 进行组装。

In [22]: pd.to_datetime(df)
Out[22]: 
0   2015-02-04 02:00:00
1   2016-03-05 03:00:00
Length: 2, dtype: datetime64[ns]

您只能传递需要组装的列。

In [23]: pd.to_datetime(df[["year", "month", "day"]])
Out[23]: 
0   2015-02-04
1   2016-03-05
Length: 2, dtype: datetime64[ns]

其他增强功能#

pd.read_csv() 现在支持 Python 引擎的 delim_whitespace=True (GH 12958)
pd.read_csv() 现在支持通过扩展名推断或显式 compression='zip' 打开包含单个 CSV 的 ZIP 文件 (GH 12175)
pd.read_csv() 现在支持通过扩展名推断或显式指定 compression='xz' 来打开使用 xz 压缩的文件；xz 压缩也以相同的方式受到 DataFrame.to_csv 的支持 (GH 11852)
pd.read_msgpack() 现在即使在使用压缩时也始终提供可写入的 ndarray (GH 12359)。
pd.read_msgpack() 现在支持使用 msgpack 序列化和反序列化分类数据 (GH 12573)
.to_json() 现在支持包含分类和稀疏数据的 NDFrames (GH 10778)
interpolate() 现在支持 method='akima' (GH 7588)。
pd.read_excel() 现在接受用于文件路径的路径对象（例如 pathlib.Path, py.path.local），与其他 read_* 函数一致 (GH 12655)
添加了 .weekday_name 属性作为 DatetimeIndex 和 .dt 访问器的一个组件。(GH 11128)

Index.take 现在一致地处理 allow_fill 和 fill_value (GH 12631)

In [24]: idx = pd.Index([1.0, 2.0, 3.0, 4.0], dtype="float")

# default, allow_fill=True, fill_value=None
In [25]: idx.take([2, -1])
Out[25]: Index([3.0, 4.0], dtype='float64')

In [26]: idx.take([2, -1], fill_value=True)
Out[26]: Index([3.0, nan], dtype='float64')

Index 现在支持 .str.get_dummies()，它返回 MultiIndex，详见创建指示变量 (GH 10008, GH 10103)

In [27]: idx = pd.Index(["a|b", "a|c", "b|c"])

In [28]: idx.str.get_dummies("|")
Out[28]: 
MultiIndex([(1, 1, 0),
            (1, 0, 1),
            (0, 1, 1)],
           names=['a', 'b', 'c'])

pd.crosstab() 增加了 normalize 参数，用于规范化频率表 (GH 12569)。更新文档中的示例此处。
现在支持 .resample(..).interpolate() (GH 12925)
.isin() 现在接受传入的 sets (GH 12988)

稀疏数据更改#

这些更改使稀疏数据处理符合返回正确的类型并使索引操作更顺畅。

SparseArray.take 现在对于标量输入返回一个标量，对于其他情况返回 SparseArray。此外，它以与 Index 相同的规则处理负索引器 (GH 10560, GH 12796)

s = pd.SparseArray([np.nan, np.nan, 1, 2, 3, np.nan, 4, 5, np.nan, 6])
s.take(0)
s.take([1, 2, 3])

SparseSeries[] 使用 Ellipsis 索引时引发 KeyError 的错误 (GH 9467)
SparseArray[] 使用元组索引时未正确处理的错误 (GH 12966)
SparseSeries.loc[] 使用列表式输入时引发 TypeError 的错误 (GH 10560)
SparseSeries.iloc[] 使用标量输入时可能引发 IndexError 的错误 (GH 10560)
SparseSeries.loc[], .iloc[] 使用 slice 返回 SparseArray 而不是 SparseSeries 的错误 (GH 10560)
SparseDataFrame.loc[], .iloc[] 可能导致稠密 Series 而不是 SparseSeries 的错误 (GH 12787)
SparseArray 加法忽略右侧 fill_value 的错误 (GH 12910)
SparseArray mod 操作引发 AttributeError 的错误 (GH 12910)
SparseArray pow 计算 1 ** np.nan 为 np.nan，而它必须是 1 的错误 (GH 12910)
SparseArray 比较输出可能结果不正确或引发 ValueError 的错误 (GH 12971)
SparseSeries.__repr__ 在长度超过 max_rows 时引发 TypeError 的错误 (GH 10560)
SparseSeries.shape 忽略 fill_value 的错误 (GH 10452)
SparseSeries 和 SparseArray 可能与其稠密值具有不同 dtype 的错误 (GH 12908)
SparseSeries.reindex 未正确处理 fill_value 的错误 (GH 12797)
SparseArray.to_frame() 结果为 DataFrame 而不是 SparseDataFrame 的错误 (GH 9850)
SparseSeries.value_counts() 未计数 fill_value 的错误 (GH 6749)
SparseArray.to_dense() 未保留 dtype 的错误 (GH 10648)
SparseArray.to_dense() 未正确处理 fill_value 的错误 (GH 12797)
pd.concat() 稀疏序列结果为稠密的错误 (GH 10536)
pd.concat() 稀疏数据框未正确处理 fill_value 的错误 (GH 9765)
pd.concat() 稀疏数据框可能引发 AttributeError 的错误 (GH 12174)
SparseArray.shift() 可能引发 NameError 或 TypeError 的错误 (GH 12908)

API 更改#

方法 `.groupby(..).nth()` 更改#

当传递 as_index 参数时，.groupby(..).nth() 输出中的索引现在更加一致 (GH 11039)

In [29]: df = pd.DataFrame({"A": ["a", "b", "a"], "B": [1, 2, 3]})

In [30]: df
Out[30]: 
   A  B
0  a  1
1  b  2
2  a  3

[3 rows x 2 columns]

先前行为

In [3]: df.groupby('A', as_index=True)['B'].nth(0)
Out[3]:
0    1
1    2
Name: B, dtype: int64

In [4]: df.groupby('A', as_index=False)['B'].nth(0)
Out[4]:
0    1
1    2
Name: B, dtype: int64

新行为

In [31]: df.groupby("A", as_index=True)["B"].nth(0)
Out[31]: 
0    1
1    2
Name: B, Length: 2, dtype: int64

In [32]: df.groupby("A", as_index=False)["B"].nth(0)
Out[32]: 
0    1
1    2
Name: B, Length: 2, dtype: int64

此外，以前，.groupby 总是会排序，无论是否传入 sort=False 与 .nth() 一起。

In [33]: np.random.seed(1234)

In [34]: df = pd.DataFrame(np.random.randn(100, 2), columns=["a", "b"])

In [35]: df["c"] = np.random.randint(0, 4, 100)

先前行为

In [4]: df.groupby('c', sort=True).nth(1)
Out[4]:
          a         b
c
0 -0.334077  0.002118
1  0.036142 -2.074978
2 -0.720589  0.887163
3  0.859588 -0.636524

In [5]: df.groupby('c', sort=False).nth(1)
Out[5]:
          a         b
c
0 -0.334077  0.002118
1  0.036142 -2.074978
2 -0.720589  0.887163
3  0.859588 -0.636524

新行为

In [36]: df.groupby("c", sort=True).nth(1)
Out[36]: 
           a         b  c
2  -0.720589  0.887163  2
3   0.859588 -0.636524  3
7  -0.334077  0.002118  0
21  0.036142 -2.074978  1

[4 rows x 3 columns]

In [37]: df.groupby("c", sort=False).nth(1)
Out[37]: 
           a         b  c
2  -0.720589  0.887163  2
3   0.859588 -0.636524  3
7  -0.334077  0.002118  0
21  0.036142 -2.074978  1

[4 rows x 3 columns]

NumPy 函数兼容性#

通过增加 pandas 方法的签名，使其能够接受从 numpy 传入的参数，即使它们不一定在 pandas 实现中使用，极大地提高了 pandas 数组式方法（例如 sum 和 take）与其 numpy 对应方法之间的兼容性 (GH 12644, GH 12638, GH 12687)

Index 和 TimedeltaIndex 的 .searchsorted() 现在接受 sorter 参数，以保持与 numpy 的 searchsorted 函数的兼容性 (GH 12238)
np.round() 在 Series 上的 numpy 兼容性错误 (GH 12600)

下面演示了此签名增强的一个示例

sp = pd.SparseDataFrame([1, 2, 3])
sp

先前行为

In [2]: np.cumsum(sp, axis=0)
...
TypeError: cumsum() takes at most 2 arguments (4 given)

新行为

np.cumsum(sp, axis=0)

在 GroupBy 重采样上使用 `.apply`#

在重采样 groupby 操作（使用 pd.TimeGrouper）上使用 apply 现在具有与在其他 groupby 操作上类似的 apply 调用相同的输出类型。(GH 11742)。

In [38]: df = pd.DataFrame(
   ....:     {"date": pd.to_datetime(["10/10/2000", "11/10/2000"]), "value": [10, 13]}
   ....: )
   ....: 

In [39]: df
Out[39]: 
        date  value
0 2000-10-10     10
1 2000-11-10     13

[2 rows x 2 columns]

先前行为

In [1]: df.groupby(pd.TimeGrouper(key='date',
   ...:                           freq='M')).apply(lambda x: x.value.sum())
Out[1]:
...
TypeError: cannot concatenate a non-NDFrame object

# Output is a Series
In [2]: df.groupby(pd.TimeGrouper(key='date',
   ...:                           freq='M')).apply(lambda x: x[['value']].sum())
Out[2]:
date
2000-10-31  value    10
2000-11-30  value    13
dtype: int64

新行为

# Output is a Series
In [55]: df.groupby(pd.TimeGrouper(key='date',
    ...:                           freq='M')).apply(lambda x: x.value.sum())
Out[55]:
date
2000-10-31    10
2000-11-30    13
Freq: M, dtype: int64

# Output is a DataFrame
In [56]: df.groupby(pd.TimeGrouper(key='date',
    ...:                           freq='M')).apply(lambda x: x[['value']].sum())
Out[56]:
            value
date
2000-10-31     10
2000-11-30     13

`read_csv` 异常更改#

为了标准化 read_csv 的 API，对于 c 和 python 引擎，现在都将对空列或空头文件引发 EmptyDataError（ValueError 的子类）(GH 12493, GH 12506)

先前行为

In [1]: import io

In [2]: df = pd.read_csv(io.StringIO(''), engine='c')
...
ValueError: No columns to parse from file

In [3]: df = pd.read_csv(io.StringIO(''), engine='python')
...
StopIteration

新行为

In [1]: df = pd.read_csv(io.StringIO(''), engine='c')
...
pandas.io.common.EmptyDataError: No columns to parse from file

In [2]: df = pd.read_csv(io.StringIO(''), engine='python')
...
pandas.io.common.EmptyDataError: No columns to parse from file

除了这个错误更改外，还进行了其他几项更改

CParserError 现在是 ValueError 的子类，而不仅仅是 Exception (GH 12551)
当 c 引擎无法解析列时，read_csv 现在将引发 CParserError 而不是通用的 Exception (GH 12506)
当 c 引擎在整数列中遇到 NaN 值时，read_csv 现在将引发 ValueError 而不是通用的 Exception (GH 12506)
当指定了 true_values 并且 c 引擎在包含不可编码字节的列中遇到元素时，read_csv 现在将引发 ValueError 而不是通用的 Exception (GH 12506)
pandas.parser.OverflowError 异常已被移除，并已被 Python 内置的 OverflowError 异常替换 (GH 12506)
pd.read_csv() 不再允许 usecols 参数同时包含字符串和整数 (GH 12678)

方法 `to_datetime` 错误更改#

pd.to_datetime() 在传递带有可转换条目且 errors='coerce'，或带有不可转换条目且 errors='ignore' 的 unit 时出现错误。此外，当遇到超出该单位范围的值时，如果 errors='raise'，则会引发 OutOfBoundsDateime 异常。(GH 11758, GH 13052, GH 13059)

先前行为

In [27]: pd.to_datetime(1420043460, unit='s', errors='coerce')
Out[27]: NaT

In [28]: pd.to_datetime(11111111, unit='D', errors='ignore')
OverflowError: Python int too large to convert to C long

In [29]: pd.to_datetime(11111111, unit='D', errors='raise')
OverflowError: Python int too large to convert to C long

新行为

In [2]: pd.to_datetime(1420043460, unit='s', errors='coerce')
Out[2]: Timestamp('2014-12-31 16:31:00')

In [3]: pd.to_datetime(11111111, unit='D', errors='ignore')
Out[3]: 11111111

In [4]: pd.to_datetime(11111111, unit='D', errors='raise')
OutOfBoundsDatetime: cannot convert input with unit 'D'

其他 API 更改#

Series、DataFrame、Panel 和 MultiIndex 的 .swaplevel() 现在对其前两个参数 i 和 j 设置了默认值，它们会交换索引的最内层两个级别。(GH 12934)
Index 和 TimedeltaIndex 的 .searchsorted() 现在接受 sorter 参数，以保持与 numpy 的 searchsorted 函数的兼容性 (GH 12238)
Period 和 PeriodIndex 现在引发继承自 ValueError 的 IncompatibleFrequency 错误，而不是原始 ValueError (GH 12615)
类别 dtype 的 Series.apply 现在将传入的函数应用于每个 .categories（而不是 .codes），并尽可能返回 category dtype (GH 12473)
如果 parse_dates 既不是布尔值、列表也不是字典（与 doc-string 匹配），read_csv 现在将引发 TypeError (GH 5636)
.query()/.eval() 的默认值现在是 engine=None，如果安装了 numexpr，它将使用 numexpr；否则将回退到 python 引擎。这模仿了 0.18.1 版本之前的行为，如果安装了 numexpr（并且之前，如果未安装 numexpr，.query()/.eval() 将引发错误）。(GH 12749)
pd.show_versions() 现在包含 pandas_datareader 版本 (GH 12740)
为通用函数提供适当的 __name__ 和 __qualname__ 属性 (GH 12021)
pd.concat(ignore_index=True) 现在默认使用 RangeIndex (GH 12695)
pd.merge() 和 DataFrame.join() 在合并/连接单层和多层数据框时将显示 UserWarning (GH 9455, GH 12219)
与 scipy > 0.17 的兼容性，适用于已弃用的 piecewise_polynomial 插值方法；支持替换的 from_derivatives 方法 (GH 12887)

弃用#

方法名 Index.sym_diff() 已弃用，可以使用 Index.symmetric_difference() 替换 (GH 12591)
方法名 Categorical.sort() 已弃用，推荐使用 Categorical.sort_values() (GH 12882)

性能改进#

SAS 读取器速度提升 (GH 12656, GH 12961)
.groupby(..).cumcount() 性能改进 (GH 11039)
使用 skiprows=an_integer 时，pd.read_csv() 的内存使用量得到改进 (GH 13005)
DataFrame.to_sql 在检查表名大小写敏感性时的性能得到改进。现在只在表名不是小写时才检查表是否已正确创建。(GH 12876)
Period 构造和时间序列绘图的性能得到改进 (GH 12903, GH 11831)。
.str.encode() 和 .str.decode() 方法的性能得到改进 (GH 13008)
如果输入是数字 dtype，to_numeric 的性能得到改进 (GH 12777)
使用 IntIndex 进行稀疏运算的性能得到改进 (GH 13036)

错误修复#

pd.read_csv 中的 usecols 参数现在即使 CSV 文件行不均匀也能被遵守 (GH 12203)
当使用非单调有序索引指定 axis=1 时，groupby.transform(..) 的错误 (GH 12713)
当指定 freq="Minute" 时，Period 和 PeriodIndex 创建引发 KeyError 的错误。请注意，“Minute”频率在 v0.17.0 中已弃用，建议使用 freq="T" 代替 (GH 11854)
带有 PeriodIndex 的 .resample(...).count() 总是引发 TypeError 的错误 (GH 12774)
当为空时，带有 PeriodIndex 的 .resample(...) 转换为 DatetimeIndex 的错误 (GH 12868)
当重采样到现有频率时，带有 PeriodIndex 的 .resample(...) 的错误 (GH 12770)
打印包含不同 freq 的 Period 数据时引发 ValueError 的错误 (GH 12615)
当指定 Categorical 和 dtype='category' 时，Series 构造的错误 (GH 12574)
当可强制转换的 dtype 的连接过于激进，导致当对象长度超过 display.max_rows 时，输出格式中的 dtype 不同步的错误 (GH 12411, GH 12045, GH 11594, GH 10571, GH 12211)
float_format 选项未验证为可调用对象的错误。(GH 12706)
当 dropna=False 且没有组满足条件时，GroupBy.filter 的错误 (GH 12768)
.cum* 函数的 __name__ 错误 (GH 12021)
Float64Inde/Int64Index 转换为 Int64Index 时，.astype() 的错误 (GH 12881)
当 orient='index'（默认）时，.to_json()/.read_json() 中整数索引往返的错误 (GH 12866)
绘制 Categorical 数据类型时，尝试堆叠条形图导致错误的错误 (GH 13019)
与 >= numpy 1.11 的 NaT 比较的兼容性 (GH 12969)
使用非唯一 MultiIndex 的 .drop() 中的错误。(GH 12701)
时区感知和非时区感知数据框的 .concat 中的错误 (GH 12467)
在 .resample(..).fillna(..) 中传递非字符串时未能正确引发 ValueError 的错误 (GH 12952)
pd.read_sas() 中各种编码和头部处理问题的错误修复 (GH 12659, GH 12654, GH 12647, GH 12809)
当 values=None 时，pd.crosstab() 会静默忽略 aggfunc 的错误 (GH 12569)。
DataFrame.to_json 序列化 datetime.time 时可能发生的段错误 (GH 11473)。
DataFrame.to_json 尝试序列化 0d 数组时可能出现的段错误 (GH 11299)。
当尝试序列化带有非 ndarray 值的 DataFrame 或 Series 时，to_json 中的段错误；现在支持 category、sparse 和 datetime64[ns, tz] dtypes 的序列化 (GH 10778)。
DataFrame.to_json 中未支持的 dtype 未传递给默认处理程序的错误 (GH 12554)。
.align 未返回子类的错误 (GH 12983)
Series 与 DataFrame 对齐时的错误 (GH 13037)
ABCPanel 中的错误，其中 Panel4D 未被视为此通用类型的有效实例 (GH 12810)
.groupby(..).apply(..) 情况中 .name 一致性错误 (GH 12363)
Timestamp.__repr__ 中的错误，导致 pprint 在嵌套结构中失败 (GH 12622)
Timedelta.min 和 Timedelta.max 的错误，现在这些属性报告 pandas 识别的真正最小/最大 timedeltas。请参阅文档。(GH 12727)
.quantile() 带有插值时可能意外强制转换为 float 的错误 (GH 12772)
.quantile() 带有空 Series 时可能返回标量而不是空 Series 的错误 (GH 12772)
.loc 在大索引器中越界时会引发 IndexError 而不是 KeyError 的错误 (GH 12527)
在使用 TimedeltaIndex 和 .asfreq() 进行重采样时，以前不会包含最终的栅栏柱的错误 (GH 12926)
DataFrame 中 Categorical 的相等性测试错误 (GH 12564)
当使用 TimeGrouper 时，GroupBy.first() 和 .last() 返回不正确行的错误 (GH 7453)
当使用 c 引擎且在引用项中包含换行符时，pd.read_csv() 中指定 skiprows 的错误 (GH 10911, GH 12775)
当分配时区感知日期时间 Series 并进行对齐时，DataFrame 时区丢失的错误 (GH 12981)
当 normalize=True 和 dropna=True 时，.value_counts() 中的错误，其中空值仍然计入标准化计数 (GH 12558)
如果 Series.value_counts() 的 dtype 是 category，则丢失名称的错误 (GH 12835)
Series.value_counts() 丢失时区信息的错误 (GH 12835)
当 normalize=True 且带有 Categorical 时，Series.value_counts() 引发 UnboundLocalError 的错误 (GH 12835)
Panel.fillna() 忽略 inplace=True 的错误 (GH 12633)
当同时使用 c 引擎指定 names、usecols 和 parse_dates 时，pd.read_csv() 的错误 (GH 9755)
当使用 c 引擎同时指定 delim_whitespace=True 和 lineterminator 时，pd.read_csv() 的错误 (GH 12912)
Series.rename、DataFrame.rename 和 DataFrame.rename_axis 未将 Series 视为重新标记的映射的错误 (GH 12623)。
.rolling.min 和 .rolling.max 的清理以增强 dtype 处理 (GH 12373)
groupby 中复杂类型被强制转换为 float 的错误 (GH 12902)
如果 Series.map 的 dtype 是 category 或时区感知 datetime，则引发 TypeError 的错误 (GH 12473)
32 位平台上某些测试比较的错误 (GH 12972)
从 RangeIndex 构造回退时，索引强制转换的错误 (GH 12893)
当传递无效参数（例如浮点窗口）时，窗口函数中的错误消息更友好 (GH 12669)
切片子类化 DataFrame 定义为返回子类化 Series 时，可能返回正常 Series 的错误 (GH 11559)
.str 访问器方法在输入具有 name 且结果为 DataFrame 或 MultiIndex 时可能引发 ValueError 的错误 (GH 12617)
空 frame 上 DataFrame.last_valid_index() 和 DataFrame.first_valid_index() 的错误 (GH 12800)
CategoricalIndex.get_loc 返回与常规 Index 不同结果的错误 (GH 12531)
PeriodIndex.resample 中名称未传播的错误 (GH 12769)
date_range closed 关键字和时区中的错误 (GH 12684)。
当输入数据包含时区感知日期时间和时间差时，pd.concat 引发 AttributeError 的错误 (GH 12620)
pd.concat 未正确处理空 Series 的错误 (GH 11082)
当指定 width 为 int 时，.plot.bar 对齐的错误 (GH 12979)
如果二元运算符的参数是常量，则 fill_value 被忽略的错误 (GH 12723)
当使用 bs4 风味解析带有一个标题和一列的表格时，pd.read_html() 的错误 (GH 9178)
当 margins=True 和 dropna=True 时，.pivot_table 中的错误，其中空值仍然计入边际计数 (GH 12577)
当 dropna=False 时，.pivot_table 中的错误，其中表格索引/列名消失 (GH 12133)
当 margins=True 和 dropna=False 时，pd.crosstab() 引发错误的错误 (GH 12642)
当 name 属性可以是可哈希类型时，Series.name 的错误 (GH 12610)
.describe() 重置分类列信息的错误 (GH 11558)
在时间序列上调用 resample().count() 时，未应用 loffset 参数的错误 (GH 12725)
pd.read_excel() 现在接受与关键字参数 names 关联的列名 (GH 12870)
带有 Index 的 pd.to_numeric() 返回 np.ndarray 而不是 Index 的错误 (GH 12777)
带有日期时间类似值的 pd.to_numeric() 可能引发 TypeError 的错误 (GH 12777)
带有标量的 pd.to_numeric() 引发 ValueError 的错误 (GH 12777)

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。

Andrew Fiore-Gartland +
Bastiaan +
Benoît Vinot +
Brandon Rhodes +
DaCoEx +
Drew Fustin +
Ernesto Freitas +
Filip Ter +
Gregory Livschitz +
Gábor Lipták
Hassan Kibirige +
Iblis Lin
Israel Saeta Pérez +
Jason Wolosonovich +
Jeff Reback
Joe Jevnik
Joris Van den Bossche
Joshua Storck +
Ka Wo Chen
Kerby Shedden
Kieran O’Mahony
Leif Walsh +
Mahmoud Lababidi +
Maoyuan Liu +
Mark Roth +
Matt Wittmann
MaxU +
Maximilian Roos
Michael Droettboom +
Nick Eubank
Nicolas Bonnotte
OXPHOS +
Pauli Virtanen +
Peter Waller +
Pietro Battiston
Prabhjot Singh +
Robin Wilson
Roger Thomas +
Sebastian Bank
Stephen Hoover
Tim Hopper +
Tom Augspurger
WANG Aiyong
Wes Turner
Winand +
Xbar +
Yan Facai +
adneu +
ajenkins-cargometrics +
behzad nouri
chinskiy +
gfyoung
jeps-journal +
jonaslb +
kotrfa +
nileracecrew +
onesandzeroes
rs2 +
sinhrks
tsdlovell +

版本 0.18.1 (2016年5月3日)#

新功能#

自定义营业时间#

使用窗口和重采样操作的 .groupby(..) 方法语法#

方法链改进#

方法 .where() 和 .mask()#

方法 .loc[]、.iloc[]、.ix[]#

使用 [] 索引#

DatetimeIndex 作为 MultiIndex 一部分时的部分字符串索引#

组装日期时间#

其他增强功能#

稀疏数据更改#

API 更改#

方法 .groupby(..).nth() 更改#

NumPy 函数兼容性#

在 GroupBy 重采样上使用 .apply#

read_csv 异常更改#

方法 to_datetime 错误更改#

其他 API 更改#

弃用#

性能改进#

错误修复#

贡献者#

使用窗口和重采样操作的 `.groupby(..)` 方法语法#

方法 `.where()` 和 `.mask()`#

方法 `.loc[]`、`.iloc[]`、`.ix[]`#

使用 `[]` 索引#

`DatetimeIndex` 作为 `MultiIndex` 一部分时的部分字符串索引#

方法 `.groupby(..).nth()` 更改#

在 GroupBy 重采样上使用 `.apply`#

`read_csv` 异常更改#

方法 `to_datetime` 错误更改#