pandas: powerful Python data analysis toolkit - 1.2.0

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

摘要

文档详细介绍了pandas 1.2.0版本的更新内容，包括新功能的添加、性能的提升、API的变化以及对旧版本Python的支持终止。版本更新涵盖了窗口函数的改进、RangeIndex的支持、.resample方法的调整等。此外，文档还提到了多项性能改进和bug修复，以及对用户可能遇到的兼容性问题的警告。新版本还引入了对xarray的支持、sas7bdat文件的读取功能，以及一系列与字符串操作相关的方法改进。文档还提到了pandas的未来 roadmap，包括扩展类型的支持和字符串数据类型的优化。

AI总结

### pandas 1.2.0 版本总结

#### 版本概述
pandas 1.2.0 是一个重要的版本更新，包含多项新功能、性能改进和 bug 修复。以下是主要更新内容和关键信息：

---

### 1. **版本兼容性**
- **Python 版本**：不再支持 Python 2.6 和 3.3（从 0.18.0 版本起）。
- **numexpr 版本**：numexpr 2.4.4 因存在 bug 而不再被推荐使用，建议使用 2.1 或更高版本（>=2.4.6）。

---

### 2. **主要新功能**
- **窗口函数**：将窗口函数（如 rolling、expanding、apply）作为 `Series` 和 `DataFrame` 的方法提供，类似于 `.groupby`。
- **RangeIndex**：引入 `RangeIndex` 作为 `Int64Index` 的一种特殊形式，优化内存使用。
- **新方法**：
- `.to_xarray()`：支持与 xarray 包的兼容性。
- `.str.extractall()`：新增字符串提取方法。
- `.str.cat()`：改进字符串连接功能。
- **新功能**：
- 支持 `sas7bdat` 文件格式的读取。
- 增加 `DatetimeIndex` 的时间格式化功能。
- `IntervalIndex` 的引入。
- 支持 `DataFrame.sort_index` 和 `GroupBy.describe` 的新格式。

---

### 3. **API 破坏性更改**
- **`.resample` 方法**：修改为与 `.groupby` 更一致。
- **位置索引**：移除对浮点数位置索引的支持，将引发 `TypeError`。
- **`.ix` 和 `.plotting`**：已弃用。
- **`.test()` 方法**：新增 `pd.test()` 作为测试运行器。

---

### 4. **性能改进**
- **内存优化**：`Index` 和 `DataFrame` 的内存使用更准确。
- **计算性能**：优化了窗口函数和 `.str` 方法的性能。
- **依赖项**：引入 `pyproject.toml` 文件，不再包含预编译的 Cython 文件。

---

### 5. **其他重要更新**
- **文档改进**：新增“大数据集扩展”部分和 HDF5 查询文档。
- **测试要求**：最小 pytest 版本提升至 5.0.1。
- **字符串处理**：新增 `` 作为默认缺失值处理。
- **开发政策**：扩展类型（Extension Arrays）的使用更加一致，支持自定义数据类型。

---

### 6. **安装与依赖**
- **安装建议**：推荐使用 Anaconda 分发，包含 pandas 和 SciPy 生态系统的完整支持。
- **依赖管理**：更新了 xlrd、xlsxwriter 和 xlwt 的版本。

---

### 7. **路线图**
- **扩展性**：改进对扩展类型的处理，优化与 NumPy 的兼容性。
- **字符串数据**：引入新的字符串数据类型，解决存储效率和类型特异性问题。

---

### 总结
pandas 1.2.0 版本在功能、性能和兼容性方面均有显著提升，建议用户升级到该版本以获得更好的数据分析体验。