pandas: powerful Python data analysis toolkit - 0.17.0

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

摘要

文档主要介绍了pandas 0.17.0版本的新功能和改进，包括Panel的apply()方法支持跨截面操作、性能提升、对时间序列的支持增强、新功能的添加以及API的变化。文档还详细列出了版本之间的差异和新功能的具体实现方式。

AI总结

### 文档总结

#### 1. **pandas 简介**
pandas 是一个强大的 Python 数据分析工具包，旨在提供快速、灵活且直观的数据处理功能。它支持“关系”或“标记化”数据的分析，并致力于成为功能最强大、最灵活的开源数据分析工具。

#### 2. **版本更新**
- **0.17.0 版本（2015年10月9日）**
- **主要更新**：
- 释放全局解释器锁（GIL），提升部分 Cython 操作性能。
- 绘图方法作为 `.plot` 属性提供。
- 重新设计排序 API，解决长期存在的不一致问题。
- 支持 `datetime64[ns]` 时区作为一等化数据类型。
- 默认情况下，`to_datetime` 在遇到无法解析的格式时抛出异常。
- `HDFStore` 默认启用 `dropna=False`，确保存储所有行，即使包含全 `NaN`。
- 新增 `Series.dt.strftime` 和 `Series.dt.total_seconds` 方法。
- `Period` 和 `PeriodIndex` 支持倍数频率（如 `3D` 表示 3 天）。
- 开发版本的版本字符串符合 PEP 440 标准。

- **性能改进**：
- 优化 `read_csv` 和 `read_table` 的解析性能，减少内存使用并提升速度。

- **API 变化**：
- 移除部分过时的 API 和特殊用例（如 DataFrame 和 TimeSeries 的广播行为）。

- **0.15.0 版本（2014年10月18日）**
- **主要更新**：
- 移除对 numpy < 1.7.0 的支持。
- 引入 `Categorical` 类作为一等化数据类型。
- 新增 `Timedelta` 和 `TimedeltaIndex`。
- 默认显示 `df.info()` 的内存使用情况。
- 新增 `.dt` 属性访问时序数据。
- 重构 `Index` 类，不再继承自 `ndarray`。

- **性能改进**：
- 优化 `read_csv` 的解析性能，支持更多格式（如带注释、无尾随逗号的 CSV 文件）。

- **0.10.0 版本（2012年12月17日）**
- **主要更新**：
- 重写 `read_csv` 和 `read_table` 的解析引擎，显著提升性能（减少内存使用，速度提升 40% 或更多）。
- 支持 Unicode 处理、列过滤、数据类型指定和多种 CSV 选项。
- 新增 `read_fwf` 和 `scatter_matrix` 等功能。
- 改进统计方法（如 `mean`, `std`），忽略非数值数据。

- **API 变化**：
- 移除部分过时的 API 和特殊用例（如 DataFrame 和 TimeSeries 的广播行为）。

#### 3. **其他重要信息**
- **文件解析改进**：
- 支持更多格式（如带注释、无尾随逗号的 CSV 文件）。
- 提升对特殊字符的解析性能。
- 支持 ISO 8601 格式的日期解析。

- **绘图与可视化**：
- 新增 `plot` 方法的更多选项（如堆叠柱状图）。
- 支持自定义线终止符和日期格式。

- **性能优化**：
- 提升 `read_csv` 和 `read_table` 的解析速度和内存效率。
- 优化分组操作和统计方法的性能。

- **实验性功能**：
- 引入 `Panel4D` 和自定义多维容器。

#### 4. **贡献者**
- 多个版本的更新得到了社区的广泛贡献，包括 Aaron Schumacher、Adam Greenhall、Benedikt Sauer 等多位开发者的支持。

#### 5. **总结**
pandas 作为 Python 数据分析的核心工具包，持续改进性能、扩展功能，并致力于提供更强大、更灵活的数据处理能力。从版本更新到性能优化，pandas 在数据分析领域保持领先地位。