pandas: powerful Python data analysis toolkit - 0.24.0

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

摘要

The document introduces pandas 0.24.0, a major release that includes new features, API changes, and performance improvements. Key highlights include optional integer NA support, new APIs for accessing arrays, and the ability to store interval and period data. The release also enhances support for joining on MultiIndexes. Pandas provides powerful data structures like Series and DataFrame for data manipulation and analysis, with capabilities in handling missing data, time series analysis, and efficient data input/output. The document emphasizes pandas' role as a versatile tool for data analysis in Python, supporting various data formats and integration with scientific computing libraries.

AI总结

# pandas 0.24.0 版本总结

## 1. 版本概述
pandas 是一个强大的 Python 数据分析工具，0.24.0 是一个重大版本更新，标志着对 Python 2 的支持将逐步终止，未来版本将仅支持 Python 3。此版本包含多项 API 改进、新功能和性能优化。

---

## 2. 主要新功能
1. **可选整数 NA 支持**
- 新增对整数数据中缺失值（NaN）的支持，通过 `IntegerArray` 实现。
- 示例：

     s = pd.Series([1, 2, np.nan], dtype='Int64')

2. **新 API 和功能**
- 新增方法用于访问 Series 或 Index 的底层数组。
- 支持存储区间（Interval）和周期（Period）数据。
- 支持在两个 MultiIndex 上进行连接操作。

3. **性能优化**
- 读写数据性能提升，支持 feather 和 HDF5 格式更快的读写速度。
- 示例测试显示，feather 格式读取速度为 4.06 ms，HDF5 固定格式读取速度为 14.3 ms。

---

## 3. 数据结构
- **Series**：1 维带标签的数组，支持异构数据。
- **DataFrame**：2 维带标签的表格，支持动态插入和删除列。
- **Panel（已弃用）**：3 维数据结构，推荐使用 MultiIndex DataFrame 或 xarray 替代。

---

## 4. 核心功能
1. **数据处理**
- 支持时间序列分析、数据清洗、聚合和转换。
- 提供灵活的索引和筛选功能，支持多级索引。

2. **数据输入输出**
- 支持 CSV、Excel、数据库和 HDF5 等多种数据格式的读写。

3. **性能与内存管理**
- pandas 专为内存计算设计，适合处理大规模数据。
- 对于超出内存的数据，可使用 dask.dataframe 进行分块处理。

---

## 5. 其他改进
1. **时间序列功能**
- 支持日期范围生成、频率转换、移动窗口统计等操作。

2. **数据清洗与转换**
- 提供丰富的数据清洗工具，支持缺失值处理、数据对齐和重塑。

3. **教程与资源**
- 提供官方教程（10 分钟入门）、 Cookbook 和学习指南，帮助用户快速上手。

---

## 6. 总结
pandas 0.24.0 是一个功能强大且灵活的数据分析工具，适用于金融、统计、社会科学等领域的数据处理。其核心优势在于支持带标签数据的高效操作、灵活的数据结构和强大的数据处理能力。未来版本将进一步优化 Python 3 支持，建议用户尽快迁移至 Python 3 环境。