pandas: powerful Python data analysis toolkit - 0.15.1

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

摘要

该文档是pandas 0.15.1版本的官方文档，介绍了pandas作为Python数据分析工具包的功能和特性。pandas提供快速、灵活的数据结构，适用于关系型或标签型数据，支持异质类型列的表数据、时间序列数据、带行列标签的矩阵数据等。主要数据结构包括一维的Series和二维的DataFrame，构建于NumPy之上。文档列举了pandas的优势，如缺失数据处理、数据对齐、分组功能、数据重塑、IO工具（支持CSV、Excel、HDF5等格式）以及时间序列功能（日期范围生成、频率转换、滚动窗口统计等）。还提到了pandas是statsmodels的依赖项，在金融领域有广泛应用，并包含版本更新历史、安装指南、常见问题解答和生态系统概述。

AI总结

pandas 0.15.1 是一个用于 Python 的数据分析工具包，提供快速、灵活、表达力强的数据结构，旨在简化关系型或标签化数据的处理。其核心数据结构是 Series（一维）和 DataFrame（二维），适用于金融、统计、社会科学和工程等领域。

**核心功能与优势：**
- 轻松处理缺失数据（NaN）
- 支持动态增减列
- 自动和显式的数据对齐
- 强大的分组（group by）功能，实现数据的分割-应用-组合
- 可将杂乱、不同索引的数据转换为 DataFrame
- 智能的标签切片、花式索引和数据子集操作
- 直观的数据合并与连接
- 灵活的数据重塑与透视
- 分层轴标签
- 强大的输入/输出工具，支持 CSV、Excel、HDF5 等格式
- 时间序列专用功能，如日期范围生成、频率转换、移动窗口统计等

**生态系统：**
pandas 是 statsmodels 的依赖项，也是 PyData 生态系统的重要组成部分。许多项目基于 pandas 构建，例如：
- **统计与机器学习：** Statsmodels（统计与计量经济学库）、sklearn-pandas（在 scikit-learn 中使用 pandas DataFrame）
- **可视化：** Bokeh（交互式可视化库）、yhat/ggplot（基于 R 语言 ggplot2 的探索性可视化包）

**版本 0.15.0 主要更新：**
- 放弃对 NumPy < 1.7.0 的支持
- 将 Categorical 类型作为一级 pandas 类型集成
- 新增标量类型 Timedelta 和索引类型 TimedeltaIndex
- DataFrame 的 `info()` 方法默认显示内存使用情况
- Series 新增日期时间属性访问器 `.dt`
- `read_csv` 默认忽略空行
- Index 类内部重构，不再继承 ndarray
- 放弃对 PyTables < 3.0.0 和 numexpr < 2.1 的支持

**历史版本亮点（v0.5.0 和 v0.4.0）：**
- **v0.5.0：** API 变更，如 `read_csv` 默认不再解析日期，`to_string` 默认返回字符串而非打印到 stdout；新增 IPython 自动补全功能。
- **v0.4.0：** 新增稀疏数据结构（Sparse Series/DataFrame/Panel）；增强花式索引和分组功能；引入分层索引（MultiIndex）；新增 `stack` 和 `unstack` 重塑函数；支持 pytz 时区；新增 Excel 文件解析功能。

**数据结构和包概览：**
pandas 包含一组标签化数组数据结构（Series、TimeSeries、DataFrame、Panel）、索引对象、分组引擎、日期范围生成、输入/输出工具、稀疏数据结构和移动窗口统计功能。其设计理念是将数据结构视为低维数据的灵活容器，例如 DataFrame 是 Series 的容器，Panel 是 DataFrame 的容器。