pandas: powerful Python data analysis toolkit - 0.13.1

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

摘要

文档介绍了pandas 0.13.1版本的主要功能和改进，包括新增的plot(kind='kde')、isin方法、to_clipboard功能，性能提升如Series.str.contains的优化，以及对statsmodels的依赖。文档还详细列出了修复的bug和API变化，如DataFrame.reindex的改进和HDFStore的增强功能。

AI总结

### 总结

**文档主题**：
本文档介绍了 `pandas` 0.13.1 版本的功能、改进、性能优化及新特性，并提供了使用指南和示例。

---

**核心观点**：
1. **pandas 的功能定位**
- `pandas` 是一个强大的 Python 数据分析工具，适用于数据清洗、分析建模和结果展示。
- 支持时间序列分析、移动窗口统计、回归分析、数据转换等操作。
- 在金融领域有广泛应用，且与 `NumPy` 和 `statsmodels` 紧密集成。

2. **新功能与改进**：
- **时间序列与日期操作**：新增 `closed` 参数支持左闭右开时间区间，支持更多日期转换功能。
- **数据导入与导出**：增强了 `read_html()` 和 `read_excel()` 的功能，支持更多参数（如 `parse_dates` 和 `thousands`）。
- **JSON 处理**：新增 `json_normalize()` 方法，支持将半结构化 JSON 数据转换为表格格式。
- **数据框操作**：支持从生成器读取数据，新增 `to_dict()` 和 `to_frame()` 方法，优化 `DataFrame.interpolate()` 和 `DataFrame.apply()` 的性能。
- **多索引支持**：改进了对 MultiIndex 和分层索引的处理，支持合并单元格和 Hierarchical Rows。
- **统计与绘图**：新增 `plot(kind='kde')` 和 `isin` 方法，支持更多统计分析和可视化功能。

3. **性能优化**：
- 通过低级别算法在 `Cython` 中优化，提升了时间序列和移动窗口操作的速度。
- `Series.str.contains` 和 `Series.str.extract` 的性能得到显著提升。
- `DataFrame.apply` 的性能优化减少了计算时间。

4. **依赖与兼容性**：
- `pandas` 已实现 Python 2/3 兼容性，无需额外处理。
- 依赖 `NumPy`，建议熟悉 `NumPy` 后再使用 `pandas`。

5. **已知问题与修复**：
- 修复了 `to_sql` 不尊重 `if_exists` 参数的问题。
- 修复了 `DataFrame.append`、`insert`、`drop` 等操作中的多个 bug。
- 优化了 `HDFStore` 和 `Panel` 的功能，支持更多复杂数据结构。

6. **教程与示例**：
- 提供了从数据导入到高级分析的分步教程。
- 介绍了如何使用 `pandas` 结合 `vincent` 和 `xlsxwriter` 创建 Excel 图表。
- 提供了多个实际应用场景的示例，如时间序列分析、金融数据分析等。

---

**关键信息**：
- **新功能**：`json_normalize()`、`to_dict()`、`to_frame()`、`isint` 方法。
- **性能提升**：时间序列、移动窗口统计和字符串操作的性能优化。
- **改进**：支持更多数据格式（如 HTML、Excel、JSON），增强对多索引和分层数据的处理能力。
- **重要性**：作为数据分析的核心工具，`pandas` 在金融、科研等领域具有广泛用途。