pandas: powerful Python data analysis toolkit - 0.15.1

语言	格式	评分
英语	.pdf	3
摘要
文档介绍了pandas 0.15.1版本的功能和改进，包括数据分析工具、数据结构、DataFrame操作、时间序列处理等。此版本新增了Categorical类型、Timedelta_scalar和TimedeltaIndex，并改进了性能和API。文档还提供了教程和远程数据访问功能，支持从Yahoo! Finance、Google Finance等来源获取数据。
AI总结
《pandas: powerful Python data analysis toolkit - 0.15.1》文档总结如下： --- ### 文档概述 1. pandas简介 pandas是Python中一个强大的数据分析工具包，专为处理结构化数据设计，旨在简化数据清洗、分析和可视化过程。它支持多种数据操作，如频率转换、滑动窗口统计、滑动窗口线性回归、日期偏移等。 2. 核心特点 - 高效性：底层算法优化，部分代码用Cython实现，但过度通用可能牺牲性能。 - 生态地位：pandas是statsmodels的依赖，且在金融领域的生产环境中广泛应用。 - 基础知识要求：文档假设用户熟悉NumPy，建议未接触过NumPy的用户先学习NumPy。 --- ### 版本更新日志 #### pandas 0.15.1 - 发布时间：November 9, 2014 - 特点：这是一个小版本，包含API更改、功能增强、性能改进和大量bug修复。 #### pandas 0.15.0 - 发布时间：October 18, 2014 - 主要更新： - 放弃对numpy < 1.7.0的支持。 - 将Categorical类型作为一等数据类型集成到pandas中。 - 引入新的标量类型Timedelta和索引类型TimedeltaIndex。 - 默认显示DataFrame的内存占用情况。 - 新增对datetime-like数据的属性访问器.dt。 - 分离了索引和文本数据处理的文档。 - 默认忽略read_csv中空白行。 - 内部重构Index类，总体性能提升。 #### pandas 0.14.0 - 发布时间：May 31, 2014 - 主要更新： - 官方支持Python 3.4。 - 更新SQL接口，使用sqlalchemy。 - 支持MultiIndex切片。 - 增强groupby功能，结果更一致，指定更灵活。 - 支持CustomBusinessDay中的假日日历。 - 优化绘图功能，新增hexbin、area和pie图。 - 新增I/O性能文档。 #### pandas 0.14.1 - 发布时间：July 11, 2014 - 主要更新： - 新增select_dtypes()方法，按dtype选择列。 - 新增sem()方法，计算均值标准误。 - 支持dateutil时区。 - 新增文档【Options and Settings】。 - 修复大量bug。 --- ### 学习资源 1. 基础教程 - 包括数据导入/导出、数据选择、描述性统计、分组排序、数据转换等功能的使用教程。 - 涵盖从CSV、Excel、TXT、Microsoft SQL等多种数据源读写数据的操作。 2. 高级教程 - 包括与Excel图表结合、使用Vincent和XlsxWriter等工具的教程。 3. 推荐资料 - Wes McKinney（pandas创始人）的博客。 - 使用SciPy和pandas进行数据分析的教程。 - Financial analysis in Python等专题教程。 --- ### 总结 pandas作为Python数据分析的核心工具包，通过高速、灵活的数据结构和多样化的功能，帮助用户高效完成数据处理和分析任务。本文档详细记录了pandas 0.15.1及其前几版本的更新内容，并提供了丰富的学习资源，适合新手和进阶用户参考。