版本 0.7.3（2012 年 4 月 12 日）#

这是 0.7.2 的一个小版本，修复了许多小错误并添加了许多不错的新功能。还有一些 API 更改需要注意；这些不会影响很多用户，我们倾向于将其称为“错误修复”，即使它们确实构成了行为的改变。请参阅GitHub 上的完整发行说明或问题跟踪器以获取完整列表。

新功能＃

from pandas.tools.plotting import scatter_matrix

scatter_matrix(df, alpha=0.2)  # noqa F821

  • stacked向 Series 和 DataFrame 的堆叠条形图plot方法 添加参数。

df.plot(kind="bar", stacked=True)  # noqa F821

df.plot(kind="barh", stacked=True)  # noqa F821

  • 将 log x 和 y缩放选项添加到 DataFrame.plot和Series.plot

  • kurt向 Series 和 DataFrame添加方法以计算峰度

NA 布尔比较 API 更改#

恢复了对非数字系列中处理NA 值（通常表示为NaN或 ）的一些更改：None

In [1]: series = pd.Series(["Steve", np.nan, "Joe"])

In [2]: series == "Steve"
Out[2]:
0     True
1    False
2    False
Length: 3, dtype: bool

In [3]: series != "Steve"
Out[3]:
0    False
1     True
2     True
Length: 3, dtype: bool

相比之下，NA / NaN 总是会出现，除非False其中 !=is True。在存在 NA 数据的情况下，要非常小心布尔算术，尤其是求反。如果您担心这一点，您可能希望在布尔数组运算中添加显式 NA 过滤器：

In [4]: mask = series == "Steve"

In [5]: series[mask & series.notnull()]
Out[5]:
0    Steve
Length: 1, dtype: object

虽然在比较中传播 NA 对于某些用户来说似乎是正确的行为（并且您可以从纯粹的技术角度争论这是正确的做法），但评估结果表明，在任何地方（包括数值数组）传播 NA 会导致给用户带来大量的问题。因此，采取了“实用胜于纯粹”的方法。这个问题可能会在未来的某个时候被重新讨论。

其他 API 更改#

当调用apply分组的 Series 时，返回值也将是一个 Series，以groupby与 DataFrame 的行为更加一致：

In [6]: df = pd.DataFrame(
   ...:     {
   ...:         "A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
   ...:         "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
   ...:         "C": np.random.randn(8),
   ...:         "D": np.random.randn(8),
   ...:     }
   ...: )
   ...:

In [7]: df
Out[7]:
   A      B         C         D
0  foo    one  0.469112 -0.861849
1  bar    one -0.282863 -2.104569
2  foo    two -1.509059 -0.494929
3  bar  three -1.135632  1.071804
4  foo    two  1.212112  0.721555
5  bar    two -0.173215 -0.706771
6  foo    one  0.119209 -1.039575
7  foo  three -1.044236  0.271860

[8 rows x 4 columns]

In [8]: grouped = df.groupby("A")["C"]

In [9]: grouped.describe()
Out[9]:
   count      mean       std       min       25%       50%       75%       max
A
bar    3.0 -0.530570  0.526860 -1.135632 -0.709248 -0.282863 -0.228039 -0.173215
foo    5.0 -0.150572  1.113308 -1.509059 -1.044236  0.119209  0.469112  1.212112

[2 rows x 8 columns]

In [10]: grouped.apply(lambda x: x.sort_values()[-2:])  # top 2 values
Out[10]:
A
bar  1   -0.282863
     5   -0.173215
foo  0    0.469112
     4    1.212112
Name: C, Length: 4, dtype: float64

贡献者#

共有 15 人为此版本贡献了补丁。名字带有“+”的人首次贡献了补丁。

  • 亚伯拉罕·弗拉克斯曼 +

  • 亚当·克莱因

  • 安德烈亚斯 H. +

  • 常社

  • 迪特·范登布斯切

  • 雅克·卡瓦姆 +

  • K.-迈克尔·埃 +

  • 卡米尔·基西尔 +

  • 马丁·布莱斯 +

  • 船长西博尔德

  • 托马斯·克鲁弗

  • 韦斯·麦金尼

  • 沃特·奥弗迈尔

  • 雅罗斯拉夫·哈尔琴科

  • 戈蒂埃+