版本 0.13.1（2014 年 2 月 3 日）

这是 0.13.0 的次要版本，包括少量 API 更改、一些新功能、增强功能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：

• 添加了infer_datetime_format关键字 toread_csv/to_datetime以允许加速同质格式的日期时间。

• 将智能地限制日期时间/时间增量格式的显示精度。

• 增强面板apply()方法。

• 新教程部分中的建议教程。

• 我们的 pandas 生态系统正在不断发展，我们现在在新的生态系统页面部分中展示相关项目。

• 为了改进文档，我们做了很多工作，并且添加了一个新的贡献部分。

• 尽管它可能只有开发人员感兴趣，但我们 <3 我们的新 CI 状态页面：ScatterCI。

警告

0.13.1 修复了由于 numpy < 1.8 和在类似字符串的数组上进行链式赋值而导致的错误。请查看文档，链式索引可能会产生意想不到的结果，通常应该避免。

以前这会出现段错误：

df = pd.DataFrame({"A": np.array(["foo", "bar", "bah", "foo", "bar"])})
df["A"].iloc[0] = np.nan

执行此类作业的推荐方法是：

In [1]: df = pd.DataFrame({"A": np.array(["foo", "bar", "bah", "foo", "bar"])})

In [2]: df.loc[0, "A"] = np.nan

In [3]: df
Out[3]: 
     A
0  NaN
1  bar
2  bah
3  foo
4  bar

输出格式增强

• df.info() 视图现在显示每列的 dtype 信息 ( GH 5682 )

• df.info() 现在支持该选项max_info_rows，禁用大帧的空计数（GH 5974）

  In [4]: max_info_rows = pd.get_option("max_info_rows")
  
  In [5]: df = pd.DataFrame(
     ...:     {
     ...:         "A": np.random.randn(10),
     ...:         "B": np.random.randn(10),
     ...:         "C": pd.date_range("20130101", periods=10),
     ...:     }
     ...: )
     ...: 
  
  In [6]: df.iloc[3:6, [0, 2]] = np.nan
  

  # set to not display the null counts
  In [7]: pd.set_option("max_info_rows", 0)
  
  In [8]: df.info()
  <class 'pandas.core.frame.DataFrame'>
  RangeIndex: 10 entries, 0 to 9
  Data columns (total 3 columns):
   #   Column  Dtype         
  ---  ------  -----         
   0   A       float64       
   1   B       float64       
   2   C       datetime64[ns]
  dtypes: datetime64[ns](1), float64(2)
  memory usage: 368.0 bytes
  

  # this is the default (same as in 0.13.0)
  In [9]: pd.set_option("max_info_rows", max_info_rows)
  
  In [10]: df.info()
  <class 'pandas.core.frame.DataFrame'>
  RangeIndex: 10 entries, 0 to 9
  Data columns (total 3 columns):
   #   Column  Non-Null Count  Dtype         
  ---  ------  --------------  -----         
   0   A       7 non-null      float64       
   1   B       10 non-null     float64       
   2   C       7 non-null      datetime64[ns]
  dtypes: datetime64[ns](1), float64(2)
  memory usage: 368.0 bytes
  

• 为新的 DataFrame repr添加show_dimensions显示选项以控制是否打印尺寸。

  In [11]: df = pd.DataFrame([[1, 2], [3, 4]])
  
  In [12]: pd.set_option("show_dimensions", False)
  
  In [13]: df
  Out[13]: 
     0  1
  0  1  2
  1  3  4
  
  In [14]: pd.set_option("show_dimensions", True)
  
  In [15]: df
  Out[15]: 
     0  1
  0  1  2
  1  3  4
  
  [2 rows x 2 columns]
  

• forArrayFormatter和datetimenowtimedelta64根据数组中的值智能限制精度 ( GH 3401 )

  以前的输出可能如下所示：

    age                 today               diff
  0 2001-01-01 00:00:00 2013-04-19 00:00:00 4491 days, 00:00:00
  1 2004-06-01 00:00:00 2013-04-19 00:00:00 3244 days, 00:00:00
  

  现在输出看起来像：

  In [16]: df = pd.DataFrame(
     ....:     [pd.Timestamp("20010101"), pd.Timestamp("20040601")], columns=["age"]
     ....: )
     ....: 
  
  In [17]: df["today"] = pd.Timestamp("20130419")
  
  In [18]: df["diff"] = df["today"] - df["age"]
  
  In [19]: df
  Out[19]: 
           age      today      diff
  0 2001-01-01 2013-04-19 4491 days
  1 2004-06-01 2013-04-19 3244 days
  
  [2 rows x 3 columns]
  

API 更改

• 将-NaN和添加-nan到默认的 NA 值集 ( GH 5952 )。请参阅NA 值。

• 添加了Series.str.get_dummies矢量化字符串方法（GH 6021），以提取分隔字符串列的虚拟/指示符变量：

  In [20]: s = pd.Series(["a", "a|b", np.nan, "a|c"])
  
  In [21]: s.str.get_dummies(sep="|")
  Out[21]: 
     a  b  c
  0  1  0  0
  1  1  1  0
  2  0  0  0
  3  1  0  1
  
  [4 rows x 3 columns]
  

• 添加了NDFrame.equals()比较两个 NDFrame 是否相等且具有相同轴、数据类型和值的方法。添加了 array_equivalent比较两个 ndarray 是否相等的函数。相同位置的 NaN 被视为相等。 ( GH 5283 ) 另请参阅文档以获取激励示例。

  df = pd.DataFrame({"col": ["foo", 0, np.nan]})
  df2 = pd.DataFrame({"col": [np.nan, 0, "foo"]}, index=[2, 1, 0])
  df.equals(df2)
  df.equals(df2.sort_index())
  

• DataFrame.apply将使用reduce参数来确定 当 为空时是否应返回aSeries或 a ( GH 6007 )。DataFrameDataFrame

  以前，如果没有列，则调用DataFrame.apply空DataFrame将返回 a，或者使用空调用正在应用的函数来猜测是否 应返回a或：DataFrameSeriesSeriesDataFrame

  In [32]: def applied_func(col):
    ....:    print("Apply function being called with: ", col)
    ....:    return col.sum()
    ....:
  
  In [33]: empty = DataFrame(columns=['a', 'b'])
  
  In [34]: empty.apply(applied_func)
  Apply function being called with:  Series([], Length: 0, dtype: float64)
  Out[34]:
  a   NaN
  b   NaN
  Length: 2, dtype: float64
  

  现在，当apply在空上调用时DataFrame：如果reduce 参数是TrueaSeries将返回，如果是Falsea DataFrame将返回，如果是None（默认），则将使用空系列调用正在应用的函数以尝试猜测返回类型。

  In [35]: empty.apply(applied_func, reduce=True)
  Out[35]:
  a   NaN
  b   NaN
  Length: 2, dtype: float64
  
  In [36]: empty.apply(applied_func, reduce=False)
  Out[36]:
  Empty DataFrame
  Columns: [a, b]
  Index: []
  
  [0 rows x 2 columns]
  

先前版本弃用/更改

0.13 或之前的版本中没有宣布的更改将于 0.13.1 生效

弃用

0.13.1 中没有弃用先前的行为

增强功能

• pd.read_csv并pd.to_datetime学习了一个新的infer_datetime_format关键字，它在许多情况下极大地提高了解析性能。感谢@lexual 的建议和@danbirken 的快速实施。 （GH 5490、GH 6021）

  如果parse_dates启用并设置了此标志，pandas 将尝试推断列中日期时间字符串的格式，如果可以推断，则切换到更快的解析方法。在某些情况下，这可以将解析速度提高约 5-10 倍。

  # Try to infer the format for the index column
  df = pd.read_csv(
      "foo.csv", index_col=0, parse_dates=True, infer_datetime_format=True
  )
  

• date_formatdatetime_format现在可以在写入文件时指定关键字（excel GH 4133）

• MultiIndex.from_product用于根据一组可迭代对象的笛卡尔积创建 MultiIndex 的便捷函数 ( GH 6055 )：

  In [22]: shades = ["light", "dark"]
  
  In [23]: colors = ["red", "green", "blue"]
  
  In [24]: pd.MultiIndex.from_product([shades, colors], names=["shade", "color"])
  Out[24]: 
  MultiIndex([('light',   'red'),
              ('light', 'green'),
              ('light',  'blue'),
              ( 'dark',   'red'),
              ( 'dark', 'green'),
              ( 'dark',  'blue')],
             names=['shade', 'color'])
  

• 小组apply()将在非 ufunc 上工作。请参阅文档。

  In [28]: import pandas._testing as tm
  
  In [29]: panel = tm.makePanel(5)
  
  In [30]: panel
  Out[30]:
  <class 'pandas.core.panel.Panel'>
  Dimensions: 3 (items) x 5 (major_axis) x 4 (minor_axis)
  Items axis: ItemA to ItemC
  Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
  Minor_axis axis: A to D
  
  In [31]: panel['ItemA']
  Out[31]:
                     A         B         C         D
  2000-01-03 -0.673690  0.577046 -1.344312 -1.469388
  2000-01-04  0.113648 -1.715002  0.844885  0.357021
  2000-01-05 -1.478427 -1.039268  1.075770 -0.674600
  2000-01-06  0.524988 -0.370647 -0.109050 -1.776904
  2000-01-07  0.404705 -1.157892  1.643563 -0.968914
  
  [5 rows x 4 columns]
  

  指定apply对 Series 进行操作的 an （返回单个元素）

  In [32]: panel.apply(lambda x: x.dtype, axis='items')
  Out[32]:
                    A        B        C        D
  2000-01-03  float64  float64  float64  float64
  2000-01-04  float64  float64  float64  float64
  2000-01-05  float64  float64  float64  float64
  2000-01-06  float64  float64  float64  float64
  2000-01-07  float64  float64  float64  float64
  
  [5 rows x 4 columns]
  

  类似的归约类型操作

  In [33]: panel.apply(lambda x: x.sum(), axis='major_axis')
  Out[33]:
        ItemA     ItemB     ItemC
  A -1.108775 -1.090118 -2.984435
  B -3.705764  0.409204  1.866240
  C  2.110856  2.960500 -0.974967
  D -4.532785  0.303202 -3.685193
  
  [4 rows x 3 columns]
  

  这相当于

  In [34]: panel.sum('major_axis')
  Out[34]:
        ItemA     ItemB     ItemC
  A -1.108775 -1.090118 -2.984435
  B -3.705764  0.409204  1.866240
  C  2.110856  2.960500 -0.974967
  D -4.532785  0.303202 -3.685193
  
  [4 rows x 3 columns]
  

  返回面板的转换操作，但正在计算major_axis上的z分数

  In [35]: result = panel.apply(lambda x: (x - x.mean()) / x.std(),
    ....:                      axis='major_axis')
    ....:
  
  In [36]: result
  Out[36]:
  <class 'pandas.core.panel.Panel'>
  Dimensions: 3 (items) x 5 (major_axis) x 4 (minor_axis)
  Items axis: ItemA to ItemC
  Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
  Minor_axis axis: A to D
  
  In [37]: result['ItemA']                           # noqa E999
  Out[37]:
                    A         B         C         D
  2000-01-03 -0.535778  1.500802 -1.506416 -0.681456
  2000-01-04  0.397628 -1.108752  0.360481  1.529895
  2000-01-05 -1.489811 -0.339412  0.557374  0.280845
  2000-01-06  0.885279  0.421830 -0.453013 -1.053785
  2000-01-07  0.742682 -0.474468  1.041575 -0.075499
  
  [5 rows x 4 columns]
  

• apply()在横截面上操作的面板。 （GH 1148）

  In [38]: def f(x):
     ....:     return ((x.T - x.mean(1)) / x.std(1)).T
     ....:
  
  In [39]: result = panel.apply(f, axis=['items', 'major_axis'])
  
  In [40]: result
  Out[40]:
  <class 'pandas.core.panel.Panel'>
  Dimensions: 4 (items) x 5 (major_axis) x 3 (minor_axis)
  Items axis: A to D
  Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
  Minor_axis axis: ItemA to ItemC
  
  In [41]: result.loc[:, :, 'ItemA']
  Out[41]:
                     A         B         C         D
  2000-01-03  0.012922 -0.030874 -0.629546 -0.757034
  2000-01-04  0.392053 -1.071665  0.163228  0.548188
  2000-01-05 -1.093650 -0.640898  0.385734 -1.154310
  2000-01-06  1.005446 -1.154593 -0.595615 -0.809185
  2000-01-07  0.783051 -0.198053  0.919339 -1.052721
  
  [5 rows x 4 columns]
  

  这相当于下面的

  In [42]: result = pd.Panel({ax: f(panel.loc[:, :, ax]) for ax in panel.minor_axis})
  
  In [43]: result
  Out[43]:
  <class 'pandas.core.panel.Panel'>
  Dimensions: 4 (items) x 5 (major_axis) x 3 (minor_axis)
  Items axis: A to D
  Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
  Minor_axis axis: ItemA to ItemC
  
  In [44]: result.loc[:, :, 'ItemA']
  Out[44]:
                     A         B         C         D
  2000-01-03  0.012922 -0.030874 -0.629546 -0.757034
  2000-01-04  0.392053 -1.071665  0.163228  0.548188
  2000-01-05 -1.093650 -0.640898  0.385734 -1.154310
  2000-01-06  1.005446 -1.154593 -0.595615 -0.809185
  2000-01-07  0.783051 -0.198053  0.919339 -1.052721
  
  [5 rows x 4 columns]
  

表现

0.13.1 的性能改进

• 系列 datetime/timedelta 二进制运算 ( GH 5801 )

• 数据框count/dropna用于axis=1

• Series.str.contains 现在有一个regex=False关键字，对于普通（非正则表达式）字符串模式可以更快。 （GH 5879）

• 系列.str.提取物（GH 5944）

• dtypes/ftypes方法（GH 5968）

• 使用对象数据类型进行索引（GH 5968）

• DataFrame.apply（GH 6013）

• JSON IO 中的回归（GH 5765）

• 系列索引构建 ( GH 6150 )

实验

0.13.1 中没有实验性变化

Bug修复

• io.wb.get_countries不包括所有国家/地区的错误（ GH 6008）

• 系列中的错误替换为时间戳字典（GH 5797）

• read_csv/read_table 现在尊重prefixkwarg ( GH 5732 )。

• .ix通过重复索引 DataFrame 失败而选择缺失值的错误( GH 5835 )

• 修复空 DataFrame 上的布尔比较问题（GH 5808）

• NaT对象数组中isnull 处理中的错误( GH 5443 )

• to_datetime当传递一个np.nan或整数日期和格式字符串时出现错误（ GH 5863）

• 使用 datetimelike 进行 groupby 数据类型转换时出现错误（GH 5869）

• 将空系列作为索引器处理为系列的回归（GH 5877）

• 内部缓存中的错误，与 ( GH 5727 )相关

• 在 py3 下的 Windows 上从非文件路径读取 JSON/msgpack 的测试错误（GH 5874）

• 分配给 .ix[tuple(…)] 时出现错误（GH 5896）

• 完全重新索引面板时出现错误（GH 5905）

• 对象 dtypes 的 idxmin/max 中的错误（GH 5914）

• BusinessDay当 n>5 且 n%5==0 时向日期添加 n 天而不是偏移量时出现错误（ GH 5890）

• 通过 ix ( GH 5928 )将系列分配给链式系列时出现错误

• 创建空 DataFrame、复制然后分配时出现错误（GH 5932）

• DataFrame.tail 中存在空帧错误（GH 5846）

• resample在( GH 5862 )上传播元数据时出现错误

• 将字符串表示形式固定为NaT“NaT”（GH 5708）

• 修复了时间戳的字符串表示形式，以显示纳秒（如果存在）（GH 5912）

• pd.match不返回经过的哨兵

• Panel.to_frame()major_axis当是 MultiIndex( GH 5402 )时不再失败。

• pd.read_msgpack错误推断频率的错误DateTimeIndex（GH 5947）

• 修复了具有 Tz 感知日期时间和( GH 5961 )to_datetime的数组NaT

• 当传递带有错误数据的系列时，滚动偏斜/峰度存在错误（GH 5749）

• interpolate具有日期时间索引的scipy 方法中的错误（ GH 5975）

• 如果传递了带有 NaT 的混合 datetime/np.datetime64，则 NaT 比较中的错误 ( GH 5968 )

• pd.concat修复了如果所有输入均为空则丢失数据类型信息的错误（ GH 5742）

• IPython 的最新更改导致在 QTConsole 中使用以前版本的 pandas 时发出警告，现已修复。如果您使用的是旧版本并且需要抑制警告，请参阅 ( GH 5922 )。

• 合并timedelta数据类型时出现错误（GH 5695）

• plotting.scatter_matrix 函数中的错误。对角线和非对角线图之间的对齐错误，请参阅（GH 5497）。

• 通过 ix 使用 MultiIndex 进行串联回归 ( GH 6018 )

• 具有多重索引的 Series.xs 中的错误 ( GH 6018 )

• 使用类似日期和整数的混合类型的系列构造中的错误（这应该导致对象类型而不是自动转换）（GH 6028）

• 在 NumPy 1.7.1 下使用对象数组进行链式索引时可能出现段错误（GH 6026、GH 6056）

• 使用非标量（例如列表）对单个元素进行花式索引设置时出现错误（GH 6043）

• to_sql不尊重if_exists（GH 4110 GH 4304）

• .get(None)从 0.12 开始进行索引回归( GH 5652 )

• 微妙的iloc索引错误，出现在（GH 6059）中

• 将字符串插入 DatetimeIndex 的错误（GH 5818）

• 修复了 to_html/HTML repr 中的 unicode 错误（GH 6098）

• 修复了 get_options_data 中缺少的参数验证（GH 6105）

• 帧中重复列的分配错误，其中位置是切片（例如彼此相邻）（GH 6120）

• 在使用重复索引/列构造 DataFrame 期间传播 _ref_locs 时出现错误 ( GH 6121 )

• DataFrame.apply使用混合日期式缩减时出现错误（ GH 6125）

• DataFrame.append附加具有不同列的行时出现错误（ GH 6129）

• 使用 rearray 和非 ns 日期时间数据类型构建 DataFrame 时出现错误 ( GH 6140 )

• .loc使用 rhs 上的数据帧、多项目设置和类似日期时间的 setitem 索引中的错误（ GH 6152）

• 修复了字典字符串比较期间query/中的错误( GH 6155 )。eval

• query修复了单个元素的索引Series被丢弃的错误（ GH 6148）。

• HDFStore将具有多索引列的数据框附加到现有表时出现错误（ GH 6167）

• 设置空数据帧时与数据类型的一致性（GH 6171）

• HDFStore即使存在指定的列规格（GH 6169），在多重索引上选择也会出现错误

• nanops.var和1 元素中的错误ddof=1有时会返回，inf 而不是nan在某些平台上（GH 6136）

• 系列和 DataFrame 条形图中的错误忽略use_index关键字 ( GH 6209 )

• 修复了 python3 下混合 str/int 的 groupby 中的错误；argsort失败了（GH 6212）

贡献者

共有 52 人为此版本贡献了补丁。名字带有“+”的人首次贡献了补丁。

• 亚历克斯·罗斯伯格

• 阿洛克·辛格 +

• 安德鲁·伯罗斯 +

• 安迪·海登

• 比约恩·阿内森 +

• 布拉德·布兰

• 迦勒·爱泼斯坦

• 萧启文

• 蔡斯艾伯特+

• 克拉克·菲茨杰拉德 +

• 帝斯曼

• 丹·伯肯

• 丹尼尔·韦伯 +

• 大卫·沃尔弗 +

• 多兰·德鲁兹 +

• 道格拉斯·麦克尼尔 +

• 道格拉斯·拉德 +

• 德拉赞·卢卡宁

• 艾略特小号+

• 菲利克斯·劳伦斯 +

• 乔治·关 +

• 纪尧姆·盖伊 +

• 雅各布·谢尔

• 简·瓦格纳 +

• 杰夫·特拉特纳

• 约翰·麦克纳马拉

• 乔里斯·范登博什

• 朱莉娅·埃文斯 +

• 基兰·奥马霍尼

• 迈克尔·沙佐 +

• 纳文·米肖-阿格拉瓦尔 +

• 帕特里克·奥基夫 +

• 菲利普·克劳德

• 罗曼·佩卡

• 船长西博尔德

• 斯宾塞·里昂

• 汤姆·奥格斯普格 +

• 汤姆·奥格斯普格

• 阿科贝+

• 阿基特里奇 +

• 体重指数+

• 布维纳尔+

• 萧启文

• 丹尼尔巴兰

• 大卫+

• 大卫辛

• 浸入+

• 杰雷巴克

• 性的

• 姆瓦斯科姆 +

• 乌努特布

• yp