pandas: powerful Python data analysis toolkit - 0.25

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

摘要

文档主要介绍了pandas 0.25.3版本的更新内容，包括兼容性改进、bug修复以及新功能的实现。重点介绍了DataFrame和Series的数据结构，以及在时间序列、分组和重采样等操作中的应用。文档还提供了示例代码，展示了如何使用pandas进行数据处理和分析。

AI总结

### 总结：pandas 0.25 版本更新与功能概述

#### 1. 版本更新与兼容性
- **pandas 0.25.2** 发布，增加了对 **Python 3.8** 的兼容性（GH28147）。
- 修复了多个 **Bug**，包括：
- **DataFrame.reindex()** 中的索引限制问题（GH28631）。
- **RangeIndex.get_indexer()** 在递减范围索引时的识别问题（GH28678）。
- **to_csv()** 在处理 **IntervalIndex** 索引时的错误（GH28210）。
- **DataFrameGroupBy.quantile()** 在传递量表列表时的错误（GH28113）。
- **GroupBy.shift(), ffill(), bfill()** 中时区信息丢失的问题（GH19995, GH27992）。

#### 2. 入门指南
- **pandas** 是一个强大的数据分析工具，支持以下数据类型：
- **Series**（1维）和 **DataFrame**（2维），适用于表格数据、时间序列数据和矩阵数据。
- 支持异构数据类型（如数值、字符串、日期等）。
- **主要功能**：
- **缺失值处理**：轻松处理 `NaN` 值。
- **数据对齐**：基于标签的自动对齐和计算。
- **分组与聚合**：强大的 `split-apply-combine` 操作。
- **时间序列分析**：支持频率转换和重采样（如将秒级数据转换为5分钟级数据）。
- **数据重塑与透视**：通过 `pivot_table()` 和 `reshape()` 实现灵活的数据转换。
- **高效的数据操作**：支持快速的数据索引、切片、合并和连接。

#### 3. 核心功能
- **数据结构**：
- **Series**：单列数据，带有索引。
- **DataFrame**：二维表格数据，支持行和列标签。
- **时间序列分析**：
- 使用 `pd.date_range()` 生成时间范围。
- 通过 `resample()` 方法进行频率转换和数据聚合。
- **数据聚合与重塑**：
- 使用 `pivot_table()` 创建透视表。
- 使用 `groupby()` 进行分组操作。
- **数据输入与输出**：
- 支持多种数据格式（如 CSV、Excel、JSON 等）。
- 支持扩展数组（`ExtensionArray`）和自定义数据类型。

#### 4. 教程与资源
- **学习资源**：
- 官方教程：涵盖数据清洗、聚合、可视化和时间序列分析。
- 第三方教程：包括 Modern Pandas 和 Pandas From The Ground Up 等。
- **高级功能**：
- **链式方法**：通过 `method chaining` 提高代码可读性。
- **索引与标签操作**：支持 `.loc` 和 `.iloc` 等高级索引方式。
- **性能优化**：针对大数据集的高效处理。

#### 5. 其他工具对比
- **与 R 的对比**：pandas 提供了类似 R `data.frame` 的功能，但更灵活和强大。
- **与其他工具的集成**：pandas 与 NumPy、Matplotlib 等科学计算库无缝集成。

### 总结
pandas 0.25 版本在功能和性能上均有显著提升，新增了对 Python 3.8 的支持，并修复了多个影响用户体验的 Bug。其强大的数据处理能力、灵活的数据结构和丰富的功能使其成为数据分析师和研究人员的首选工具。