pandas: powerful Python data analysis toolkit - 1.2.3

• 语言: 英语
• 格式: .pdf
• 来源: pandas.pydata.org

摘要

文档介绍了pandas库的版本更新和新功能，包括0.23.0版本的重大改进，如JSON格式的支持、.assign()方法的增强、合并排序功能的提升、自定义类型扩展等。此外，文档还提到了pandas与其他工具的比较、性能优化以及数据处理的最佳实践。

AI总结

### 总结：pandas 1.2.3 版本更新与功能亮点

#### 1. **版本概述**
- **pandas** 是一个强大的 Python 数据分析工具，版本 1.2.3 提供了多项新功能、性能优化和 API 改进。

---

#### 2. **主要版本更新**

##### **2.1 版本 0.23.0（2018 年 5 月 15 日）**
- **新增功能：**
- **JSON 支持：** 支持 `orient='table'` 的可逆 JSON 格式。
- **.assign() 方法：** 支持依赖参数，提升灵活性。
- **合并与排序：** 支持基于列和索引级别组合的合并与排序。
- **自定义类型：** 支持扩展 pandas 的自定义类型（实验性）。
- **GroupBy 改进：** 新增 `observed` 参数以排除未观察到的类别。
- **性能优化：** 提升 `DataFrame.apply` 的一致性与效率。
- **新方法：** 包括 `Timedelta.mod()`, `Series.str.cat.join`, `DataFrame.interpolate.limit_area` 等。
- **兼容性改进：** 支持 `raw=False` 以将 Series 传递给 `Rolling/Expanding.apply()`。

- **API 变化：**
- **不兼容更改：** 包括依赖项版本提升、字典初始化顺序保留（Python 3.6+）等。
- **弃用：** 部分旧方法和属性逐步淘汰。

##### **2.2 版本 0.13.0**
- **新增功能：**
- **`isin` 方法：** 支持 DataFrame 的 `isin` 操作。
- **新方法：** 包括 `eval/query` 表达式评估、`msgpack` 序列化支持、Google BigQuery 的 I/O 接口。
- **性能优化：** 通过 `eval/query` 提升 pandas 性能。
- **兼容性改进：** 支持 Python 2/3 无需额外转换（感谢 `@jtratner`）。

- **API 变化：**
- **Series 内部重构：** Series 不再继承于 `ndarray`，转为继承 `NDFrame`（透明化改动）。
- **新依赖：** `read_excel` 支持整数索引选择工作表。
- **文本解析改进：** 将类似 `inf` 的字符串识别为无穷大值。
- **兼容性增强：** `pandas.compat` 集成了 `six` 库功能，支持 Python 3 兼容。

##### **2.3 版本 1.0**
- **性能优化：**
- 提升内存管理与大规模数据处理能力。
- 支持时区感知数据处理。

- **新功能：**
- **文档改进：** 新增《Scaling to large datasets》章节，优化教程内容。

- **API 变化：**
- **弃用：** `Index.set_value` 已弃用，建议使用 `arr[idx.get_loc(idx_val)] = val` 替代。
- **默认配置调整：** `options.matplotlib.register_converters` 默认值改为 `"auto"`。

##### **2.4 版本 0.7.1（2012 年 2 月 29 日）**
- **新增功能：**
- **`to_clipboard` 方法：** 支持将对象写入系统剪贴板。
- **`itertuples` 方法：** 提供 DataFrame 行迭代功能。
- **`between` 方法：** 支持 Series 的区间判断。
- **HTML 表示钩子：** 优化 IPython HTML 笔记本中的 DataFrame 显示。

- **性能改进：**
- 优化 `fillna` 的性能与内存使用。

---

#### 3. **核心功能亮点**
- **数据结构：** pandas 提供 `Series`（1D 标签数组）和 `DataFrame`（2D 标签表格），支持异构数据类型。
- **数据处理：** 支持数据清洗、筛选、聚合、分组操作，适用于金融、科学计算等场景。
- **性能与扩展性：** 通过 Cython 优化底层算法，支持大规模数据处理。
- **兼容性：** 支持多种数据源（CSV、Excel、JSON、HDF5 等）和 Python 版本。

---

#### 4. **总结**
pandas 1.2.3 版本在功能、性能和兼容性方面均有显著提升，新增了多项实用功能，如 JSON 支持、自定义类型扩展、性能优化等，同时优化了文档和用户体验，适合数据科学家和开发人员使用。