. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 408 13.3 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 410 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 848 25 Remote Data Access 851 v 25.1 Yahoo! Finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . integers (GH10779) • Bug in read_msgpack where encoding is not respected (GH10581) • Bug preventing access to the first index when using iloc with a list containing the appropriate negative integer (GH10547

by Position • .ix supports mixed integer and label based access. It is primarily label based, but will fallback to integer positional access. .ix is the most general and will support any of the inputs read_hdf(’store.h5’, ’table’, where = [’index>2’]) A B 3 3 3 4 4 4 – provide dotted attribute access to get from stores, e.g. store.df == store[’df’] – new keywords iterator=boolean, and chunksize=number_in_a_chunk names passed to functions like read_csv has changed to be more Pythonic and amenable to attribute access: In [1]: from StringIO import StringIO In [2]: data = ’0,0,1\n1,1,0\n0,1,0’ In [3]: df = read_csv(StringIO(data)

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224 10.4 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 527 20 Remote Data Access 529 20.1 Yahoo! Finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . indexed Series or DataFrame of cleaned-up or more useful strings, without necessitating get() to access tuples or re.match objects. Named groups like In [88]: Series([’a1’, ’b2’, ’c3’]).str.extract(

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336 12.4 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 733 24 Remote Data Access 737 24.1 Yahoo! Finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Timedelta(’-1us’) Out[16]: Timedelta(’-1 days +23:59:59.999999’) # a NaT In [17]: Timedelta(’nan’) Out[17]: NaT Access fields for a Timedelta In [18]: td = Timedelta(’1 hour 3m 15.5us’) 1.3. v0.15.0 (October 18, 2014)

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252 10.4 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586 20 Remote Data Access 589 20.1 Yahoo! Finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . consolidated (GH6240) • Bug in interpolate changing dtypes (GH6290) • Bug in Series.get, was using a buggy access method (GH6383) • Bug in hdfstore queries of the form where=[(’date’, ’>=’, datetime(2013,1,1))

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430 9.2.15 DataFrame column attribute access and IPython completion . . . . . . . . . . . . . . . . . 433 9.3 Panel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 523 13.3 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 525 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1001 26 Remote Data Access 1005 26.1 DataReader . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432 9.2.15 DataFrame column attribute access and IPython completion . . . . . . . . . . . . . . . . . 434 9.3 Panel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 525 13.3 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 527 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1003 26 Remote Data Access 1007 26.1 DataReader . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328 12.4 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 719 24 Remote Data Access 723 24.1 Yahoo! Finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Timedelta(’-1us’) Out[16]: Timedelta(’-1 days +23:59:59.999999’) # a NaT In [17]: Timedelta(’nan’) Out[17]: NaT Access fields for a Timedelta In [18]: td = Timedelta(’1 hour 3m 15.5us’) In [19]: td.hours Out[19]: 1L

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 478 8.2.15 DataFrame column attribute access and IPython completion . . . . . . . . . . . . . . . . . 481 8.3 Panel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 585 12.3 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1101 25 Remote Data Access 1105 25.1 DataReader . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 506 8.2.15 DataFrame column attribute access and IPython completion . . . . . . . . . . . . . . . . . 509 8.3 Panel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612 12.3 Attribute Access . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 615 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1136 25 Remote Data Access 1141 25.1 DataReader . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .