pandas: powerful Python data analysis toolkit - 0.12

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

摘要

文档介绍了pandas 0.12版本的功能和改进，pandas是一个强大的Python数据分析工具，提供高效的数据结构，适合处理表格数据、时间序列数据等。版本0.12新增了对HTML、Amazon S3、JSON和Stata文件的支持，优化了数据处理和分析功能，如缺失值处理、数据对齐、分组操作和时间序列分析。文档还提到了性能提升和API变化，强调了pandas在数据科学中的重要性。

AI总结

### pandas 0.12 版本总结

#### 1. 简介
pandas 是一个强大的 Python 数据分析工具包，提供高效、灵活且直观的数据结构，适用于处理“关系型”或“标记化”数据。它是 Python 中进行实际数据分析的基础高层构建块，并致力于成为功能最强大、最灵活的开源数据分析和操作工具。

#### 2. 核心功能
- **数据结构**：
- **Series**（1维）和 **DataFrame**（2维）是处理金融、统计、社会学等领域数据的主要工具。
- 支持异构数据类型，如 SQL 表、Excel 表格、时间序列数据、矩阵数据等。

- **核心功能**：
- **缺失值处理**：支持 NaN 表示缺失值。
- **数据对齐**：自动或显式对齐数据。
- **分组操作**：强大的分组功能，支持拆分-应用-合并操作。
- **数据重塑和 pivoting**：灵活的数据重塑和层次化索引。
- **时间序列功能**：日期范围生成、频率转换、移动窗口统计等。

#### 3. 新增功能（0.12 版本）
- **新特性**：
- `pd.read_html()`：支持从 HTML 字符串、文件或 URL 中读取数据并返回 DataFrame。
- 支持读取 Amazon S3 文件。
- 新增 JSON 和 Stata 文件的读写功能。
- 支持多索引列的读写，默认使用元组列表格式。
- 新增 `Series.str` 的迭代器。
- 数据框绘图支持从 Matplotlib 颜色映射中获取颜色。
- 新增 Google Finance 历史数据接口。

- **改进**：
- 提升 `df.to_csv()` 性能，优化 IO 工具。
- 支持 Python 3（通过 PyTables 3.0.0）。
- 数据框的 `describe()` 方法支持分类数据。
- 优化 `groupby` 的异常处理，提升性能。

#### 4. 其他重要信息
- **性能**：pandas 在底层算法中使用 Cython 优化，适合处理大数据。
- **依赖**：pandas 是 statsmodels 的依赖库，是 Python 统计计算生态的重要部分。
- **应用**：广泛应用于金融领域，并支持多种数据格式（CSV、Excel、数据库、HDF5 等）。

#### 5. 注意事项
- 文档假设读者熟悉 NumPy，建议不熟悉 NumPy 的读者先学习相关内容。
- 0.12 版本对 API 和功能进行了多项改进，建议长期用户关注重要 API 变化。

#### 6. 总结
pandas 0.12 版本在功能、性能和兼容性方面均有显著提升，进一步巩固了其在 Python 数据分析领域的领先地位。