Pandas-2-2-中文文档-六十-

Pandas 2.2 中文文档（六十）

原文：pandas.pydata.org/docs/

版本 0.13.0（2014 年 1 月 3 日）

原文：pandas.pydata.org/docs/whatsnew/v0.13.0.html

这是从 0.12.0 开始的一个重大版本发布，包括了许多 API 变更、几个新功能和增强以及大量的错误修复。

主要亮点包括：

对新索引类型 Float64Index 的支持，以及其他索引增强
HDFStore 对查询规范有了新的基于字符串的语法
对插值的新方法的支持
更新的 timedelta 操作
新的字符串操作方法 extract
对偏移量的纳秒支持
DataFrames 的 isin

添加了几个试验性功能，包括：

表达式评估的新的 eval/query 方法
对 msgpack 序列化的支持
Google 的 BigQuery 的 i/o 接口

有几个新的或更新的文档部分，包括：

与 SQL 的比较，对于熟悉 SQL 但仍在学习 pandas 的人来说应该很有用。
与 R 的比较，从 R 到 pandas 的成语翻译。
性能增强，使用eval/query提高 pandas 性能的方法。

警告

在 0.13.0 中，Series 在内部已经进行了重构，不再是子类 ndarray，而是子类 NDFrame，类似于其他 pandas 容器。这应该是一个透明的改变，只有非常有限的 API 影响。见内部重构

API 变更

read_excel 现在支持在其 sheetname 参数中使用整数来指定要读取的表的索引 (GH 4301)。
文本解析器现在将任何看起来像 inf 的内容（“inf”、“Inf”、“-Inf”、“iNf”等）视为无穷大。 (GH 4220, GH 4219)，影响了 read_table、read_csv 等。
pandas 现在与 Python 2/3 兼容，无需使用 2to3，这要归功于 @jtratner。因此，pandas 现在更广泛地使用迭代器。这也导致将 Benjamin Peterson 的 six 库的实质性部分引入了 compat。 (GH 4384, GH 4375, GH 4372)
pandas.util.compat 和 pandas.util.py3compat 已合并为 pandas.compat。pandas.compat 现在包括许多函数，允许 2/3 兼容性。它包含 range、filter、map 和 zip 的列表和迭代器版本，以及其他必要的元素，用于 Python 3 兼容性。lmap、lzip、lrange 和 lfilter 都生成列表而不是迭代器，以与 numpy、下标和 pandas 构造函数兼容。(GH 4384, GH 4375, GH 4372)
Series.get 使用负索引器现在返回与 [] 相同的结果 (GH 4390)

更改了 Index 和 MultiIndex 处理元数据（levels、labels 和 names）的方式 (GH 4039)：

# previously, you would have set levels or labels directly
>>> pd.index.levels = [[1, 2, 3, 4], [1, 2, 4, 4]]

# now, you use the set_levels or set_labels methods
>>> index = pd.index.set_levels([[1, 2, 3, 4], [1, 2, 4, 4]])

# similarly, for names, you can rename the object
# but setting names is not deprecated
>>> index = pd.index.set_names(["bob", "cranberry"])

# and all methods take an inplace kwarg - but return None
>>> pd.index.set_names(["bob", "cranberry"], inplace=True)

所有与 NDFrame 对象的除法现在都是 truedivision，无论未来的导入如何。这意味着对 pandas 对象进行操作将默认使用浮点除法，并返回浮点 dtype。您可以使用 // 和 floordiv 进行整数除法。

整数除法

In [3]: arr = np.array([1, 2, 3, 4])

In [4]: arr2 = np.array([5, 3, 2, 1])

In [5]: arr / arr2
Out[5]: array([0, 0, 1, 4])

In [6]: pd.Series(arr) // pd.Series(arr2)
Out[6]:
0    0
1    0
2    1
3    4
dtype: int64

真除法

In [7]: pd.Series(arr) / pd.Series(arr2)  # no future import required
Out[7]:
0    0.200000
1    0.666667
2    1.500000
3    4.000000
dtype: float64

如果 downcast='infer' 被传递给 fillna/ffill/bfill，则推断并降级 dtype (GH 4604)

__nonzero__ 对于所有的 NDFrame 对象，现在会引发 ValueError，这恢复到了 (GH 1073, GH 4633) 的行为。查看注意事项以获取更详细的讨论。

这样可以防止在整个 pandas 对象上进行布尔比较，这在本质上是模棱两可的。这些都会引发 ValueError。

>>> df = pd.DataFrame({'A': np.random.randn(10),
...                    'B': np.random.randn(10),
...                    'C': pd.date_range('20130101', periods=10)
...                    })
...
>>> if df:
...     pass
...
Traceback (most recent call last):
  ...
ValueError: The truth value of a DataFrame is ambiguous.  Use a.empty,
a.bool(), a.item(), a.any() or a.all().

>>> df1 = df
>>> df2 = df
>>> df1 and df2
Traceback (most recent call last):
  ...
ValueError: The truth value of a DataFrame is ambiguous.  Use a.empty,
a.bool(), a.item(), a.any() or a.all().

>>> d = [1, 2, 3]
>>> s1 = pd.Series(d)
>>> s2 = pd.Series(d)
>>> s1 and s2
Traceback (most recent call last):
  ...
ValueError: The truth value of a DataFrame is ambiguous.  Use a.empty,
a.bool(), a.item(), a.any() or a.all().

向 NDFrame 对象添加了 .bool() 方法，以便评估单元素布尔 Series：

>>> pd.Series([True]).bool()
 True
>>> pd.Series([False]).bool()
 False
>>> pd.DataFrame([[True]]).bool()
 True
>>> pd.DataFrame([[False]]).bool()
 False

所有非 Index NDFrames（Series、DataFrame、Panel、Panel4D、SparsePanel 等），现在支持整套算术运算符和算术灵活方法（add、sub、mul 等）。SparsePanel 不支持与非标量的 pow 或 mod。(GH 3765)
Series 和 DataFrame 现在有一个 mode() 方法来计算按轴/Series 计算统计模式。(GH 5367)

现在默认情况下，链式赋值将会在用户对副本进行赋值时发出警告。可以通过选项 mode.chained_assignment 进行更改，允许的选项为 raise/warn/None。查看文档。

In [1]: dfc = pd.DataFrame({'A': ['aaa', 'bbb', 'ccc'], 'B': [1, 2, 3]})

In [2]: pd.set_option('chained_assignment', 'warn')

如果尝试这样做，将显示以下警告/异常。

In [3]: dfc.loc[0]['A'] = 1111

Traceback (most recent call last)
   ...
SettingWithCopyWarning:
   A value is trying to be set on a copy of a slice from a DataFrame.
   Try using .loc[row_index,col_indexer] = value instead

这是正确的赋值方法。

In [4]: dfc.loc[0, 'A'] = 11

In [5]: dfc
Out[5]: 
 A  B
0   11  1
1  bbb  2
2  ccc  3

Panel.reindex 具有以下调用签名 Panel.reindex(items=None, major_axis=None, minor_axis=None, **kwargs)

以符合其他 NDFrame 对象。查看内部重构获取更多信息。
Series.argmin 和 Series.argmax 现在别名为 Series.idxmin 和 Series.idxmax。这些返回索引

在 0.13.0 之前，min 或 max 元素分别返回最小/最大元素的位置。(GH 6214)

之前版本的废弃/更改

这些是在 0.12 或之前宣布的更改，将在 0.13.0 中生效

移除废弃的 Factor (GH 3650)
移除废弃的 set_printoptions/reset_printoptions (GH 3046)
移除废弃的 _verbose_info (GH 3215)
从 pandas.io.parsers 中移除废弃的 read_clipboard/to_clipboard/ExcelFile/ExcelWriter (GH 3717) 这些作为主 pandas 命名空间中的函数可用（例如 pd.read_clipboard）
tupleize_cols 的默认值现在对于 to_csv 和 read_csv 都是 False。在 0.12 中有明确警告 (GH 3604)
display.max_seq_len 的默认值现在是 100 而不是 None。这会在各个地方激活长序列的截断显示（"..."）。(GH 3391)

废弃

在 0.13.0 中废弃

废弃了 iterkv，将在将来的版本中移除（这是绕过 2to3 更改的 iteritems 的别名）。(GH 4384, GH 4375, GH 4372)
废弃了字符串方法 match，其作用现在更符合习惯的是 extract。在将来的版本中，match 的默认行为将变为类似于 contains，返回一个布尔索引器。（它们的区别在于严格性：match 依赖于 re.match，而 contains 依赖于 re.search。）在此版本中，废弃的行为是默认的，但新行为可以通过关键字参数 as_indexer=True 获得。

索引 API 更改

在 0.13 之前，不可能使用标签索引器（.loc/.ix）设置特定轴索引中不包含的值。(GH 2578)。参见文档

在 Series 情��下，这实际上是一个追加操作

In [6]: s = pd.Series([1, 2, 3])

In [7]: s
Out[7]: 
0    1
1    2
2    3
dtype: int64

In [8]: s[5] = 5.

In [9]: s
Out[9]: 
0    1.0
1    2.0
2    3.0
5    5.0
dtype: float64

In [10]: dfi = pd.DataFrame(np.arange(6).reshape(3, 2),
 ....:                   columns=['A', 'B'])
 ....: 

In [11]: dfi
Out[11]: 
 A  B
0  0  1
1  2  3
2  4  5

这以前会引发 KeyError

In [12]: dfi.loc[:, 'C'] = dfi.loc[:, 'A']

In [13]: dfi
Out[13]: 
 A  B  C
0  0  1  0
1  2  3  2
2  4  5  4

这就像一个 append 操作。

In [14]: dfi.loc[3] = 5

In [15]: dfi
Out[15]: 
 A  B  C
0  0  1  0
1  2  3  2
2  4  5  4
3  5  5  5

对 Panel 的任意轴进行设置操作会将输入对齐到 Panel

In [20]: p = pd.Panel(np.arange(16).reshape(2, 4, 2),
 ....:             items=['Item1', 'Item2'],
 ....:             major_axis=pd.date_range('2001/1/12', periods=4),
 ....:             minor_axis=['A', 'B'], dtype='float64')
 ....:

In [21]: p
Out[21]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 4 (major_axis) x 2 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2001-01-12 00:00:00 to 2001-01-15 00:00:00
Minor_axis axis: A to B

In [22]: p.loc[:, :, 'C'] = pd.Series([30, 32], index=p.items)

In [23]: p
Out[23]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 4 (major_axis) x 3 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2001-01-12 00:00:00 to 2001-01-15 00:00:00
Minor_axis axis: A to C

In [24]: p.loc[:, :, 'C']
Out[24]:
 Item1  Item2
2001-01-12   30.0   32.0
2001-01-13   30.0   32.0
2001-01-14   30.0   32.0
2001-01-15   30.0   32.0

Float64Index API 更改

添加了新的索引类型 Float64Index。当在索引创建中传递浮点值时，将自动创建此索引。这使得基于纯标签的切片范式可以使 [],ix,loc 用于标量索引和切片的工作完全相同。(GH 263)

默认情况下构造是针对浮点类型值的。

In [16]: index = pd.Index([1.5, 2, 3, 4.5, 5])

In [17]: index
Out[17]: Index([1.5, 2.0, 3.0, 4.5, 5.0], dtype='float64')

In [18]: s = pd.Series(range(5), index=index)

In [19]: s
Out[19]: 
1.5    0
2.0    1
3.0    2
4.5    3
5.0    4
dtype: int64

对于[],.ix,.loc的标量选择始终基于标签。整数将匹配相等的浮点索引（例如，3等同于3.0）

In [20]: s[3]
Out[20]: 2

In [21]: s.loc[3]
Out[21]: 2

唯一的位置索引是通过iloc进行的

In [22]: s.iloc[3]
Out[22]: 3

未找到的标量索引将引发KeyError

切片始终是在索引的值上进行的，对于[],ix,loc始终是位置性的，对于iloc始终是位置性的

In [23]: s[2:4]
Out[23]: 
2.0    1
3.0    2
dtype: int64

In [24]: s.loc[2:4]
Out[24]: 
2.0    1
3.0    2
dtype: int64

In [25]: s.iloc[2:4]
Out[25]: 
3.0    2
4.5    3
dtype: int64

在浮点索引中，允许使用浮点数进行切片

In [26]: s[2.1:4.6]
Out[26]: 
3.0    2
4.5    3
dtype: int64

In [27]: s.loc[2.1:4.6]
Out[27]: 
3.0    2
4.5    3
dtype: int64

其他索引类型上的索引被保留（并且对于[],ix是位置性的后备），唯一的例外是，在非Float64Index上进行浮点切片现在将引发TypeError。

In [1]: pd.Series(range(5))[3.5]
TypeError: the label [3.5] is not a proper indexer for this index type (Int64Index)

In [1]: pd.Series(range(5))[3.5:4.5]
TypeError: the slice start [3.5] is not a proper indexer for this index type (Int64Index)

在将来的版本中将弃用使用标量浮点索引器，但目前允许使用。

In [3]: pd.Series(range(5))[3.0]
Out[3]: 3

HDFStore API 更改

查询格式更改。现在支持更类似字符串的查询格式。请参阅文档。

In [28]: path = 'test.h5'

In [29]: dfq = pd.DataFrame(np.random.randn(10, 4),
 ....:                   columns=list('ABCD'),
 ....:                   index=pd.date_range('20130101', periods=10))
 ....: 

In [30]: dfq.to_hdf(path, key='dfq', format='table', data_columns=True)

使用布尔表达式，进行内联函数评估。

In [31]: pd.read_hdf(path, 'dfq',
 ....:            where="index>Timestamp('20130104') & columns=['A', 'B']")
 ....: 
Out[31]: 
 A         B
2013-01-05 -0.424972  0.567020
2013-01-06 -0.673690  0.113648
2013-01-07  0.404705  0.577046
2013-01-08 -0.370647 -1.157892
2013-01-09  1.075770 -0.109050
2013-01-10  0.357021 -0.674600

使用内联列引用

In [32]: pd.read_hdf(path, 'dfq',
 ....:            where="A>0 or C>0")
 ....: 
Out[32]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-07  0.404705  0.577046 -1.715002 -1.039268
2013-01-09  1.075770 -0.109050  1.643563 -1.469388
2013-01-10  0.357021 -0.674600 -1.776904 -0.968914

format关键字现在替换了table关键字；允许的值为fixed(f)或table(t)，与之前<0.13.0 相同的默认值保留，例如put意味着fixed格式，append意味着table格式。可以通过设置io.hdf.default_format选项将此默认格式设置为选项。

In [33]: path = 'test.h5'

In [34]: df = pd.DataFrame(np.random.randn(10, 2))

In [35]: df.to_hdf(path, key='df_table', format='table')

In [36]: df.to_hdf(path, key='df_table2', append=True)

In [37]: df.to_hdf(path, key='df_fixed')

In [38]: with pd.HDFStore(path) as store:
 ....:    print(store)
 ....: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

显著的表写入性能改进
处理以表格格式传递的Series（GH 4330）
现在可以在表中序列化timedelta64[ns] dtype（GH 3577），请参阅文档。
添加了一个is_open属性，指示底层文件句柄是否打开；关闭的存储现在在查看存储时将报告“CLOSED”（而不是引发错误）（GH 4409）

关闭HDFStore现在将关闭HDFStore的实例，但仅在所有打开句柄的引用计数（由PyTables）为 0 时才会关闭实际文件。基本上，您有一个由变量引用的本地HDFStore实例。一旦关闭，它将报告已关闭。其他引用（指向同一文件）将继续操作，直到它们自己关闭。对已关闭文件执行操作将引发ClosedFileError

In [39]: path = 'test.h5'

In [40]: df = pd.DataFrame(np.random.randn(10, 2))

In [41]: store1 = pd.HDFStore(path)

In [42]: store2 = pd.HDFStore(path)

In [43]: store1.append('df', df)

In [44]: store2.append('df2', df)

In [45]: store1
Out[45]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

In [46]: store2
Out[46]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

In [47]: store1.close()

In [48]: store2
Out[48]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

In [49]: store2.close()

In [50]: store2
Out[50]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

删除了_quiet属性，如果从表中检索重复行，则替换为DuplicateWarning（GH 4367）
从open中删除了warn参数。如果尝试使用mode='w'打开文件句柄，则将引发PossibleDataLossError异常（GH 4367)
允许作为where条件传递位置数组或掩码（GH 4467）。请参阅文档以获取示例。
在 append 中添加关键字 dropna=True，以更改是否将所有 NaN 行写入存储（默认为 True，所有 NaN 行都不写入），也可以通过选项 io.hdf.dropna_table 进行设置 (GH 4625)
通过传递存储创建参数；可用于支持内存存储

DataFrame repr 变更

现在的 HTML 和纯文本表示 DataFrame 在超过一定大小后将显示表格的截断视图，而不是切换到简短的信息视图 (GH 4886，GH 5550)。这使得表示更加一致，因为小的 DataFrame 会变得更大。

要获取信息视图，请调用 DataFrame.info()。如果你更喜欢大型 DataFrame 的信息视图作为 repr，则可以通过运行 set_option('display.large_repr', 'info') 来设置。

增强功能

df.to_clipboard() 学会了一个新的 excel 关键字，可以让你直接将 df 数据粘贴到 excel 中（默认情况下启用）。(GH 5070).
read_html 现在会引发 URLError，而不是捕获并引发 ValueError (GH 4303，GH 4305)
添加了对 read_clipboard() 和 to_clipboard() 的测试 (GH 4282)
剪贴板功能现在可以与 PySide 一起使用 (GH 4282)
当绘图参数包含重叠的颜色和样式参数时，添加了更具信息性的错误消息 (GH 4402)
to_dict 现在接受 records 作为可能的输出类型。返回一个以列为键的字典数组。(GH 4936)

get_dummies 中的 NaN 处理（GH 4446）与 dummy_na

# previously, nan was erroneously counted as 2 here
# now it is not counted at all
In [51]: pd.get_dummies([1, 2, np.nan])
Out[51]: 
 1.0    2.0
0   True  False
1  False   True
2  False  False

# unless requested
In [52]: pd.get_dummies([1, 2, np.nan], dummy_na=True)
Out[52]: 
 1.0    2.0    NaN
0   True  False  False
1  False   True  False
2  False  False   True

timedelta64[ns] 操作。参见文档。

警告

大多数这些操作需要 numpy >= 1.7

使用新的顶级 to_timedelta，你可以将标准 timedelta 格式（由 to_csv 生成）的标量或数组转换为 timedelta 类型（nanoseconds 中的 np.timedelta64）。

In [53]: pd.to_timedelta('1 days 06:05:01.00003')
Out[53]: Timedelta('1 days 06:05:01.000030')

In [54]: pd.to_timedelta('15.5us')
Out[54]: Timedelta('0 days 00:00:00.000015500')

In [55]: pd.to_timedelta(['1 days 06:05:01.00003', '15.5us', 'nan'])
Out[55]: TimedeltaIndex(['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None)

In [56]: pd.to_timedelta(np.arange(5), unit='s')
Out[56]: 
TimedeltaIndex(['0 days 00:00:00', '0 days 00:00:01', '0 days 00:00:02',
 '0 days 00:00:03', '0 days 00:00:04'],
 dtype='timedelta64[ns]', freq=None)

In [57]: pd.to_timedelta(np.arange(5), unit='d')
Out[57]: TimedeltaIndex(['0 days', '1 days', '2 days', '3 days', '4 days'], dtype='timedelta64[ns]', freq=None)

timedelta64[ns] 类型的 Series 现在可以除以另一个 timedelta64[ns] 对象，或者转换为 float64 类型的 Series。这是频率转换。参见文档。

In [58]: import datetime

In [59]: td = pd.Series(pd.date_range('20130101', periods=4)) - pd.Series(
 ....:    pd.date_range('20121201', periods=4))
 ....: 

In [60]: td[2] += np.timedelta64(datetime.timedelta(minutes=5, seconds=3))

In [61]: td[3] = np.nan

In [62]: td
Out[62]: 
0   31 days 00:00:00
1   31 days 00:00:00
2   31 days 00:05:03
3                NaT
dtype: timedelta64[ns]

# to days
In [63]: td / np.timedelta64(1, 'D')
Out[63]:
0    31.000000
1    31.000000
2    31.003507
3          NaN
dtype: float64

In [64]: td.astype('timedelta64[D]')
Out[64]:
0    31.0
1    31.0
2    31.0
3     NaN
dtype: float64

# to seconds
In [65]: td / np.timedelta64(1, 's')
Out[65]:
0    2678400.0
1    2678400.0
2    2678703.0
3          NaN
dtype: float64

In [66]: td.astype('timedelta64[s]')
Out[66]:
0    2678400.0
1    2678400.0
2    2678703.0
3          NaN
dtype: float64

将 timedelta64[ns] Series 除以整数或整数 Series

In [63]: td * -1
Out[63]: 
0   -31 days +00:00:00
1   -31 days +00:00:00
2   -32 days +23:54:57
3                  NaT
dtype: timedelta64[ns]

In [64]: td * pd.Series([1, 2, 3, 4])
Out[64]: 
0   31 days 00:00:00
1   62 days 00:00:00
2   93 days 00:15:09
3                NaT
dtype: timedelta64[ns]

绝对的 DateOffset 对象可以等效地作为 timedeltas

In [65]: from pandas import offsets

In [66]: td + offsets.Minute(5) + offsets.Milli(5)
Out[66]: 
0   31 days 00:05:00.005000
1   31 days 00:05:00.005000
2   31 days 00:10:03.005000
3                       NaT
dtype: timedelta64[ns]

现在支持对时间增量的 Fillna

In [67]: td.fillna(pd.Timedelta(0))
Out[67]: 
0   31 days 00:00:00
1   31 days 00:00:00
2   31 days 00:05:03
3    0 days 00:00:00
dtype: timedelta64[ns]

In [68]: td.fillna(datetime.timedelta(days=1, seconds=5))
Out[68]: 
0   31 days 00:00:00
1   31 days 00:00:00
2   31 days 00:05:03
3    1 days 00:00:05
dtype: timedelta64[ns]

你可以对时间增量进行数值缩减操作。

In [69]: td.mean()
Out[69]: Timedelta('31 days 00:01:41')

In [70]: td.quantile(.1)
Out[70]: Timedelta('31 days 00:00:00')

plot(kind='kde') 现在接受可选参数 bw_method 和 ind，传递给 scipy.stats.gaussian_kde()（对于 scipy >= 0.11.0）以设置带宽，并分别传递给 gkde.evaluate() 以指定评估的索引。详见 scipy 文档。(GH 4298)
DataFrame 构造函数现在接受一个 numpy 掩码记录数组 (GH 3478)

新的向量化字符串方法 extract 更方便地返回正则表达式匹配。

In [71]: pd.Series(['a1', 'b2', 'c3']).str.extract('ab')
Out[71]: 
 0
0    1
1    2
2  NaN

不匹配的元素返回 NaN。提取具有多个组的正则表达式返回一个每组一列的 DataFrame。

In [72]: pd.Series(['a1', 'b2', 'c3']).str.extract('([ab])(\\d)')
Out[72]: 
 0    1
0    a    1
1    b    2
2  NaN  NaN

不匹配的元素返回一行 NaN。因此，一系列混乱的字符串可以转换为一个索引类似的清理或更有用的字符串的 Series 或 DataFrame，而不需要使用 get() 来访问元组或 re.match 对象。

命名组如

In [73]: pd.Series(['a1', 'b2', 'c3']).str.extract(
 ....:    '(?P<letter>[ab])(?P<digit>\\d)')
 ....: 
Out[73]: 
 letter digit
0      a     1
1      b     2
2    NaN   NaN

还可以使用可选的组。

In [74]: pd.Series(['a1', 'b2', '3']).str.extract(
 ....:     '(?P<letter>[ab])?(?P<digit>\\d)')
 ....: 
Out[74]: 
 letter digit
0      a     1
1      b     2
2    NaN     3

read_stata 现在接受 Stata 13 格式 (GH 4291)
如果数据正确分隔且列对齐，read_fwf 现在可以从文件的前 100 行中推断列规格，使用提供给函数的分隔符 (GH 4488).

支持纳秒时间作为偏移量

警告

这些操作需要 numpy >= 1.7

秒及以下范围内的期间转换已经重新设计并扩展到纳秒。现在支持纳秒级别的期间。

In [79]: pd.date_range('2013-01-01', periods=5, freq='5N')
Out[79]:
DatetimeIndex([          '2013-01-01 00:00:00',
               '2013-01-01 00:00:00.000000005',
               '2013-01-01 00:00:00.000000010',
               '2013-01-01 00:00:00.000000015',
               '2013-01-01 00:00:00.000000020'],
              dtype='datetime64[ns]', freq='5N')

或者使用频率作为偏移量

In [75]: pd.date_range('2013-01-01', periods=5, freq=pd.offsets.Nano(5))
Out[75]: 
DatetimeIndex([          '2013-01-01 00:00:00',
 '2013-01-01 00:00:00.000000005',
 '2013-01-01 00:00:00.000000010',
 '2013-01-01 00:00:00.000000015',
 '2013-01-01 00:00:00.000000020'],
 dtype='datetime64[ns]', freq='5ns')

时间戳可以在纳秒范围内修改

In [76]: t = pd.Timestamp('20130101 09:01:02')

In [77]: t + pd.tseries.offsets.Nano(123)
Out[77]: Timestamp('2013-01-01 09:01:02.000000123')

DataFrames 新增了一个名为 isin 的方法，与布尔索引非常兼容。isin 的参数，我们要将 DataFrame 与之比较的内容，可以是 DataFrame、Series、字典或值数组。详见文档。

要获取满足任何条件的行：

In [78]: dfi = pd.DataFrame({'A': [1, 2, 3, 4], 'B': ['a', 'b', 'f', 'n']})

In [79]: dfi
Out[79]: 
 A  B
0  1  a
1  2  b
2  3  f
3  4  n

In [80]: other = pd.DataFrame({'A': [1, 3, 3, 7], 'B': ['e', 'f', 'f', 'e']})

In [81]: mask = dfi.isin(other)

In [82]: mask
Out[82]: 
 A      B
0   True  False
1  False  False
2   True   True
3  False  False

In [83]: dfi[mask.any(axis=1)]
Out[83]: 
 A  B
0  1  a
2  3  f

Series 现在支持一个 to_frame 方法将其转换为单列 DataFrame (GH 5164)
所有列在这里列出的 R 数据集 stat.ethz.ch/R-manual/R-devel/library/datasets/html/00Index.html 现在可以加载到 pandas 对象中
```
# note that pandas.rpy was deprecated in v0.16.0
import pandas.rpy.common as com
com.load_data('Titanic') 
```
tz_localize 可以根据未定位数据的结构推断秋季日光节约转换 (GH 4230), 参见文档
DatetimeIndex 现在在 API 文档中，参见文档
json_normalize() 是一种从半结构化 JSON 数据创建平面表的新方法。参见文档（GH 1067）
为 qtpandas 的 DataFrameModel 和 DataFrameWidget 添加了 PySide 支持。
Python csv 解析器现在支持 usecols（GH 4335）
频率增加了几个新的偏移量：
- LastWeekOfMonth（GH 4637）
- FY5253 和 FY5253Quarter（GH 4511）
DataFrame 增加了一个新的 interpolate 方法，类似于 Series（GH 4434, GH 1892）
```
In [84]: df = pd.DataFrame({'A': [1, 2.1, np.nan, 4.7, 5.6, 6.8],
 ....:                  'B': [.25, np.nan, np.nan, 4, 12.2, 14.4]})
 ....: 

In [85]: df.interpolate()
Out[85]: 
 A      B
0  1.0   0.25
1  2.1   1.50
2  3.4   2.75
3  4.7   4.00
4  5.6  12.20
5  6.8  14.40 
```
此外，interpolate 的 method 参数已扩展到包括 'nearest', 'zero', 'slinear', 'quadratic', 'cubic', 'barycentric', 'krogh', 'piecewise_polynomial', 'pchip', 'polynomial', 'spline'。这些新方法需要scipy。请参阅 Scipy 参考指南和文档，了解各种方法何时适用。参见文档。

Interpolate 现在还接受一个 limit 关键字参数。这与 fillna 的限制类似：
```
In [86]: ser = pd.Series([1, 3, np.nan, np.nan, np.nan, 11])

In [87]: ser.interpolate(limit=2)
Out[87]: 
0     1.0
1     3.0
2     5.0
3     7.0
4     NaN
5    11.0
dtype: float64 
```

增加了 wide_to_long 面板数据便捷函数。参见文档。

In [88]: np.random.seed(123)

In [89]: df = pd.DataFrame({"A1970" : {0 : "a", 1 : "b", 2 : "c"},
 ....:                   "A1980" : {0 : "d", 1 : "e", 2 : "f"},
 ....:                   "B1970" : {0 : 2.5, 1 : 1.2, 2 : .7},
 ....:                   "B1980" : {0 : 3.2, 1 : 1.3, 2 : .1},
 ....:                   "X"     : dict(zip(range(3), np.random.randn(3)))
 ....:                  })
 ....: 

In [90]: df["id"] = df.index

In [91]: df
Out[91]: 
 A1970 A1980  B1970  B1980         X  id
0     a     d    2.5    3.2 -1.085631   0
1     b     e    1.2    1.3  0.997345   1
2     c     f    0.7    0.1  0.282978   2

In [92]: pd.wide_to_long(df, ["A", "B"], i="id", j="year")
Out[92]: 
 X  A    B
id year 
0  1970 -1.085631  a  2.5
1  1970  0.997345  b  1.2
2  1970  0.282978  c  0.7
0  1980 -1.085631  d  3.2
1  1980  0.997345  e  1.3
2  1980  0.282978  f  0.1

to_csv 现在接受一个 date_format 关键字参数，用于指定输出 datetime 对象的格式。索引、列和数值中遇到的日期时间对象都将应用此格式。（GH 4313）
DataFrame.plot 通过传递 kind='scatter' 参数，将 x 轴和 y 轴绘制成散点图（GH 2215）
增加了对同时支持 v2 ID 的 Google Analytics v3 API 段 ID 的支持。（GH 5271）

实验性质

新的 eval() 函数使用 numexpr 在后台实现表达式评估。这对涉及大型 DataFrame/Series 的复杂表达式会带来大幅加速。例如，

In [93]: nrows, ncols = 20000, 100

In [94]: df1, df2, df3, df4 = [pd.DataFrame(np.random.randn(nrows, ncols))
 ....:                      for _ in range(4)]
 ....:

# eval with NumExpr backend
In [95]: %timeit pd.eval('df1 + df2 + df3 + df4')
2.82 ms +- 67.4 us per loop (mean +- std. dev. of 7 runs, 100 loops each)

# pure Python evaluation
In [96]: %timeit df1 + df2 + df3 + df4
2.89 ms +- 56.9 us per loop (mean +- std. dev. of 7 runs, 100 loops each)

有关更多详细信息，请参阅文档。

与 pandas.eval 类似，DataFrame 增加了一个新的 DataFrame.eval 方法，用于在 DataFrame 的上下文中评估表达式。例如，

In [97]: df = pd.DataFrame(np.random.randn(10, 2), columns=['a', 'b'])

In [98]: df.eval('a + b')
Out[98]: 
0   -0.685204
1    1.589745
2    0.325441
3   -1.784153
4   -0.432893
5    0.171850
6    1.895919
7    3.065587
8   -0.092759
9    1.391365
dtype: float64

query() 方法已添加，允许您使用几乎与 Python 语法相同的自然查询语法选择 DataFrame 的元素。例如，
```
In [99]: n = 20

In [100]: df = pd.DataFrame(np.random.randint(n, size=(n, 3)), columns=['a', 'b', 'c'])

In [101]: df.query('a < b < c')
Out[101]: 
 a   b   c
11  1   5   8
15  8  16  19 
```
选择 df 中满足 a < b < c 的所有行。更多详情请参见文档。

pd.read_msgpack() 和 pd.to_msgpack() 现在是序列化任意 pandas（和 python 对象）的支持方法，采用轻量级便携二进制格式。请参见文档

警告

由于这是一个实验性库，存储格式可能在未来版本中不稳定。

df = pd.DataFrame(np.random.rand(5, 2), columns=list('AB'))
df.to_msgpack('foo.msg')
pd.read_msgpack('foo.msg')

s = pd.Series(np.random.rand(5), index=pd.date_range('20130101', periods=5))
pd.to_msgpack('foo.msg', df, s)
pd.read_msgpack('foo.msg')

您可以将 iterator=True 传递给迭代解压后的结果

for o in pd.read_msgpack('foo.msg', iterator=True):
    print(o)

pandas.io.gbq 提供了一种简单的方法，通过 pandas DataFrames 从 Google 的 BigQuery 数据集中提取数据，并加载数据。BigQuery 是一个高性能类似 SQL 的数据库服务，用于对极大数据集执行特定查询非常有用。请参见文档

from pandas.io import gbq

# A query to select the average monthly temperatures in the
# in the year 2000 across the USA. The dataset,
# publicata:samples.gsod, is available on all BigQuery accounts,
# and is based on NOAA gsod data.

query = """SELECT station_number as STATION,
month as MONTH, AVG(mean_temp) as MEAN_TEMP
FROM publicdata:samples.gsod
WHERE YEAR = 2000
GROUP BY STATION, MONTH
ORDER BY STATION, MONTH ASC"""

# Fetch the result set for this query

# Your Google BigQuery Project ID
# To find this, see your dashboard:
# https://console.developers.google.com/iam-admin/projects?authuser=0
projectid = 'xxxxxxxxx'
df = gbq.read_gbq(query, project_id=projectid)

# Use pandas to process and reshape the dataset

df2 = df.pivot(index='STATION', columns='MONTH', values='MEAN_TEMP')
df3 = pd.concat([df2.min(), df2.mean(), df2.max()],
                axis=1, keys=["Min Tem", "Mean Temp", "Max Temp"])

结果 DataFrame 为：

> df3
            Min Tem  Mean Temp    Max Temp
 MONTH
 1     -53.336667  39.827892   89.770968
 2     -49.837500  43.685219   93.437932
 3     -77.926087  48.708355   96.099998
 4     -82.892858  55.070087   97.317240
 5     -92.378261  61.428117  102.042856
 6     -77.703334  65.858888  102.900000
 7     -87.821428  68.169663  106.510714
 8     -89.431999  68.614215  105.500000
 9     -86.611112  63.436935  107.142856
 10    -78.209677  56.880838   92.103333
 11    -50.125000  48.861228   94.996428
 12    -50.332258  42.286879   94.396774

警告

要使用此模块，您将需要一个 BigQuery 账户。有关详细信息，请参见 <cloud.google.com/products/big-query>。

截至 10/10/13，Google 的 API 中存在一个 bug，阻止结果集超过 100,000 行。修补程序计划在 10/14/13 那周发布。 ## 内部重构

在 0.13.0 中进行了一次主要的重构，主要是将 Series 从 NDFrame 中子类化，这是目前 DataFrame 和 Panel 的基类，以统一方法和行为。Series 以前直接从 ndarray 子类化。 (GH 4080, GH 3862, GH 816)

警告

与 < 0.13.0 存在两个潜在的不兼容性

使用某些 numpy 函数以前会返回一个 Series，如果将 Series 作为参数传递。这似乎只影响 np.ones_like、np.empty_like、np.diff 和 np.where。现在这些将返回 ndarrays。

In [102]: s = pd.Series([1, 2, 3, 4])

Numpy 用法

In [103]: np.ones_like(s)
Out[103]: array([1, 1, 1, 1])

In [104]: np.diff(s)
Out[104]: array([1, 1, 1])

In [105]: np.where(s > 1, s, np.nan)
Out[105]: array([nan,  2.,  3.,  4.])

Pandonic 用法

In [106]: pd.Series(1, index=s.index)
Out[106]: 
0    1
1    1
2    1
3    1
dtype: int64

In [107]: s.diff()
Out[107]: 
0    NaN
1    1.0
2    1.0
3    1.0
dtype: float64

In [108]: s.where(s > 1)
Out[108]: 
0    NaN
1    2.0
2    3.0
3    4.0
dtype: float64

直接将 Series 传递给期望 ndarray 类型的 cython 函数将不再直接起作用，您必须传递 Series.values，请参见性能增强
Series(0.5) 以前会返回标量 0.5，现在将返回一个包含 1 个元素的 Series
此更改破坏了 rpy2<=2.3.8。已针对 rpy2 提出了一个问题，并在 GH 5698 中详细介绍了解决方法。感谢 @JanSchulz。
保留了对 0.13 版本之前创建的 pickle 文件的兼容性。这些必须使用 pd.read_pickle 进行反序列化，请参见 Pickling。
重构 series.py/frame.py/panel.py，将通用代码移至 generic.py
- 在创建通用 NDFrame 结构时添加了_setup_axes
- 移动了方法
  - from_axes,_wrap_array,axes,ix,loc,iloc,shape,empty,swapaxes,transpose,pop
  - __iter__,keys,__contains__,__len__,__neg__,__invert__
  - convert_objects,as_blocks,as_matrix,values
  - __getstate__,__setstate__（frame/panel 中保留兼容性）
  - __getattr__,__setattr__
  - _indexed_same,reindex_like,align,where,mask
  - fillna,replace（Series的 replace 现在与DataFrame一致）
  - filter（还在不同轴上选择性过滤的情况下添加了轴参数）
  - reindex,reindex_axis,take
  - truncate（已移至NDFrame的一部分）
这些是使Panel与DataFrame更一致的 API 更改
- 在指定相同轴的Panel上进行swapaxes现在返回一个副本
- 支持属性访问以进行设置
- filter 支持与原始DataFrame filter 相同的 API
使用无参数调用的 Reindex 现在将返回输入对象的副本
TimeSeries现在是Series的别名。属性is_time_series可用于区分（如果需要）
重构了使用 BlockManager 的稀疏对象
- 在 internals 中创建了一个新的块类型，SparseBlock，可以保存多种数据类型，并且不可合并。SparseSeries和SparseDataFrame现在从那里的层次结构（Series/DataFrame）继承更多方法，并且不再从SparseArray继承（而是SparseBlock的对象）
- 稀疏套件现在支持与非稀疏数据的集成。支持非浮点稀疏数据（部分实现）
- 在 DataFrame 内部稀疏结构上的操作应保持稀疏性，合并类型操作将转换为密集（然后转换回稀疏），因此可能有些低效
- 为SparseSeries启用布尔/整数/切片的设置项
- SparsePanels的实现未更改（例如，不使用 BlockManager，需要工作）
为 Series/DataFrame 添加了ftypes方法，类似于dtypes，但指示底层是稀疏的/密集的（以及 dtype）
所有NDFrame对象现在可以使用__finalize__()来指定从现有对象传播到新对象的各种值（例如，Series中的name现在将更自动地跟随）
现在通过一套生成的类进行内部类型检查，允许isinstance(value, klass)而无需直接导入 klass，感谢@jtratner
Series 更新中的错误，其中父框架未根据更改（GH 4080）或类型（GH 3217）更新其缓存，fillna（GH 3386）
修复了带有 dtype 转换的索引（GH 4463，GH 4204）
重构Series.reindex到 core/generic.py（GH 4604，GH 4618），允许在 Series 上重新索引时使用method=
Series.copy不再接受order参数，现在与NDFrame的复制一致
重构rename方法到 core/generic.py；修复了Series.rename的问题（GH 4605），并为Panel添加了相同签名的rename
将clip方法重构到 core/generic.py（GH 4798）
将_get_numeric_data/_get_bool_data重构到 core/generic.py，允许 Series/Panel 功能

Series（用于索引）/ Panel（用于项目）现在允许对其元素进行属性访问（GH 1903）

In [109]: s = pd.Series([1, 2, 3], index=list('abc'))

In [110]: s.b
Out[110]: 2

In [111]: s.a = 5

In [112]: s
Out[112]: 
a    5
b    2
c    3
dtype: int64 
```  ## Bug 修复

HDFStore
- 在追加时使用不同的块顺序引发无效的TypeError而不是ValueError（GH 4096）
- read_hdf没有遵守传递的mode参数（GH 4504）
- 添加一个长度为 0 的表将正常工作（GH 4273）
- 当传递append和table两个参数时，to_hdf会引发错误（GH 4584）
- 从具有跨数据类型重复列的存储中读取将引发错误（GH 4767）
- 修复了当列名不是字符串时未正确引发ValueError的错误（GH 4956）
- 以固定格式编写的零长度系列未正确反序列化（GH 4708）
- 修复了 pyt3 上的解码性能问题（GH 5441）
- 在存储之前验证 MultiIndex 中的级别（GH 5527）
- 正确处理带有 Panel 的data_columns（GH 5717）
修复了tslib.tz_convert(vals, tz1, tz2)中的错误：在尝试访问trans[pos + 1]时可能会引发IndexError异常（GH 4496）
by参数现在与layout参数在*.hist绘图方法中正常工作（GH 4102，GH 4014）
修复了PeriodIndex.map中的错误，使用str会返回索引的字符串表示形式（GH 4136）
使用自定义 matplotlib 默认颜色时，test_time_series_plot_color_with_empty_kwargs测试失败的问题已修复（GH 4345）
修复了 stata IO 测试的运行。现在使用临时文件进行写入（GH 4353）
修复了DataFrame.sum比整数值框架的DataFrame.mean慢的问题（GH 4365）
read_html测试现在与 Python 2.6 一起工作（GH 4351）
修复了network测试抛出NameError的错误，因为一个本地变量未定义（GH 4381）
在to_json中，如果传递的orient会因为重复索引而导致数据丢失，则引发异常（GH 4359）
在to_json中，修复日期处理，使毫秒成为默认时间戳，如文档字符串所述（GH 4362）
在进行 groupby apply 时不再忽略as_index（GH 4648，GH 3417）
修复了 JSON NaT 处理问题，现在 NaT 被序列化为null（GH 4498）
修复了 JSON 对象键中可转义字符的 JSON 处理方式（GH 4593）
修复了在na_values=None时传递keep_default_na=False的问题（GH 4318）
修复了在 DataFrame 具有重复列和混合 dtype 时，values引发错误的 bug，出现在（GH 4377）
修复了在read_json中orient='split'时重复列和类型转换的 bug（GH 4377）
修复了 JSON 错误，其中具有除‘.’之外的小数分隔符的语言环境在编码/解码某些值时引发异常（GH 4918）
修复了使用PeriodIndex进行.iat索引的问题（GH 4390）
修复了PeriodIndex与自身连接时返回新实例而不是相同实例的问题（GH 4379）；同时为其他索引类型添加了此测试
修复了使用 CSV cparser 和 usecols 参数时，所有 dtype 转换为对象的错误（GH 3192）
在合并块时修复了一个问题，导致结果 DataFrame 部分设置了 _ref_locs（GH 4403）
修复了使用顶级 matplotlib API 调用 hist 子图时被覆盖的问题（GH 4408）
修复了调用Series.astype(str)时会截断字符串的错误（GH 4405，GH 4437）
解决了一个 py3 兼容性问题，即将字节表示为元组（GH 4455）
修复了 Panel 属性命名冲突问题，如果项目命名为‘a’（GH 3440）
修复了绘图时引发重复索引的问题（GH 4486）
修复了在布尔数据类型上 cumsum 和 cumprod 不起作用的问题（GH 4170，GH 4440）
修复了在 xs 中出现的 Panel 切片问题，返回的对象维度不正确（GH 4016）
修复了自定义缩减函数未在只有一个组时使用的重采样错误（GH 3849，GH 4494）
修复了使用转置框架进行的 Panel 赋值问题（GH 3830）
在使用 Panel 和 Panel 作为值需要对齐时，设置 Panel 索引会引发错误（GH 3777）
Series 构造函数现在在创建 frozenset 对象时会引发错误（GH 4482，GH 4480）
修复了对排序重复的 MultiIndex 进行排序时出现的问题，该 MultiIndex 具有多个数据类型（GH 4516）
修复了 DataFrame.set_values 中的错误，该错误导致在扩展索引时丢失名称属性（GH 3742，GH 4039）
修复了可以在未经验证的情况下在 MultiIndex 上设置单个 names、levels 和 labels 的问题（GH 3714，GH 4039）
修复了在 pivot_table 中的问题（GH 3334）。如果值是索引，则无法计算边距。
修复了在与日期时间操作时具有 np.timedelta64 或 np.offsets.DateOffset 的右侧值时出现的错误（GH 4532）
修复了系列/日期时间索引和 np.timedelta64 进行算术运算时不起作用相同的问题（GH 4134）以及 NumPy 1.6 中的错误时间差（GH 4135）
修复了在 Windows 平台上使用 PY3 时 pd.read_clipboard 中的错误（[GH 4561](https://github.com/pandas-dev/pandas/issues/4561））；解码不正确
如果代码参数超出范围，tslib.get_period_field() 和 tslib.get_period_field_arr() 现在会引发错误（GH 4519，GH 4520）
修复了在空系列上进行布尔索引时丢失索引名称的问题（GH 4235），infer_dtype 可以用于空数组。
修复了使用多个轴进行重新索引时的问题；如果轴匹配未替换当前轴，则可能导致可能的惰性频率推断问题（GH 3317）
修复DataFrame.apply错误地重新引发异常的问题（导致原始堆栈跟踪被截断）。
修复使用ix/loc和非唯一选择器进行选择的问题（GH 4619）
修复使用 iloc/loc 进行赋值时涉及现有列中的 dtype 更改的问题（GH 4312，GH 5702）在核心/索引中使用 Block.setitem 的内部 setitem_with_indexer
修复 csv_import 中浮点数的千位运算符处理不正确的错误（GH 4322）
修复 CacheableOffset 未正确被许多 DateOffset 使用的问题；这阻止了 DateOffset 被缓存（GH 4609）
修复 DataFrame 在 lhs 上与列表/元组上的布尔比较的问题（GH 4576）
修复在Series/DataFrame上使用None的 setitem 时的错误/ dtype 转换（GH 4667）
根据传入的非默认编码修正pd.read_stata中的解码问题（GH 4626）
修复DataFrame.from_records与普通ndarray的问题（GH 4727）
修复Index.rename和MultiIndex.rename等中的一些不一致性（GH 4718，GH 4628）
使用iloc/loc与横截面和重复索引存在错误（GH 4726）
使用to_csv中的QUOTE_NONE导致Exception的错误（GH 4328）
Series 索引不在右侧长度不正确时引发错误的错误已修复（GH 2702）
MultiIndexing 中存在部分字符串选择作为 MultIndex 的一部分的错误（GH 4758）
在具有非唯一索引的索引上重新索引现在将引发ValueError的错误（GH 4746）
使用loc/ix设置具有 MultiIndex 轴和 NumPy 数组的单个索引器时存在错误，相关于（GH 3777）
在跨 dtypes 存在重复列的连接中存在错误，不会与 axis=0 合并（GH 4771，GH 4975)
iloc在切片索引失败时存在错误（GH 4771）
在read_fwf中没有 colspecs 或 width 时显示不正确的错误消息（GH 4774）
修复了在具有重复索引的 Series 中进行索引时的错误（GH 4548，GH 4550）
修复了在 Python 3 中使用read_fwf读取压缩文件的 bug。(GH 3963)
修复了具有重复索引和 dtype 更改的赋值问题（GH 4686）
修复了在 Python 3 中读取压缩文件时将其作为bytes而不是str的错误。简化了 Python 3 中生成字节文件处理的过程（GH 3963，GH 4785）。
修复了在不同版本的 matplotlib 中对数刻度条图中的 ticklocs/ticklabels 相关问题（GH 4789）
抑制了由 repr()发出的内部调用引发的 DeprecationWarning（GH 4391）
修复了具有重复索引和重复选择器的.loc中的问题（GH 4825）
修复了DataFrame.sort_index中的问题，当按单个列排序并传递ascending的列表时，ascending参数被解释为True（GH 4839，GH 4846）
修复了Panel.tshift无法工作的问题。为Panel.shift添加了freq支持（GH 4853）
修复了 TextFileReader 在 Python 引擎（即 PythonParser）中处理 thousands != “,”时的问题（GH 4596）
在使用 where 时，使用重复索引时 getitem 中的 bug（GH 4879）
修复了类型推断代码将浮点列强制转换为日期时间的问题（GH 4601）
修复了_ensure_numeric不检查复数的问题（GH 4902）
修复了Series.hist中的一个 bug，当传递by参数时会创建两个图形（GH 4112，GH 4113）。
修复了convert_objects对于> 2 维的 bug（GH 4937）
修复了 DataFrame/Panel 缓存插入和后续索引中的 bug（GH 4939，GH 5424）
修复了FrozenNDArray和FrozenList的字符串方法（GH 4929)
修复了在索引扩展场景中设置无效或超出范围值的 bug（GH 4940）
对空系列上的 fillna 进行测试（GH 4346), 感谢 @immerrr
修复了copy()以浅复制轴/索引，并因此保留单独的元数据的问题（GH 4202, GH 4830)
修复了 Python 解析器中read_csv中的 skiprows 选项（GH 4382)
修复了阻止cut与未显式传递标签的np.inf级别一起工作的错误（GH 3415)
修复了DatetimeIndex.union中重叠检查错误的问题（GH 4564)
修复了 csv_parser 中千位分隔符和日期解析器之间的冲突问题（GH 4678)
在 dtypes 不相同时修复了追加的问题（显示混合 float/np.datetime64 的错误）（GH 4993)
修复了 DateOffset 的 repr。不再显示 kwds 中的重复条目。删除未使用的偏移字段。(GH 4638)
修复了在使用 usecols 时读取 csv 时错误的索引名称。仅适用于 c 解析器。(GH 4201)
Timestamp对象现在可以出现在与Series或DataFrame对象的比较操作的左侧了（GH 4982).
修复了使用iloc/loc通过np.nan进行索引时的 bug（GH 5016)
修复了低内存 c 解析器在同一文件的不同块中创建不同类型的错误的问题。现在强制转换为数值类型或引发警告。(GH 3866)
修复了将Series重塑为其自身形状时引发TypeError的 bug（GH 4554)以及其他重塑问题。
修复了使用ix/loc和混合整数/字符串索引时的错误（GH 4544)
确保系列-系列布尔比较是基于标签的（GH 4947)
在使用 Timestamp 部分索引器的多级索引中存在的 bug（GH 4294)
对构建全 nan 帧的 MultiIndex 进行测试/修复（GH 4078)
修复了read_html()未正确推断带有逗号的表的值的 bug（GH 5029)
修复了read_html()未提供返回表的稳定排序的 bug（GH 4770, GH 5029).
修复了read_html()在传递index_col=0时解析不正确的错误（GH 5066）
修复了read_html()错误推断标题类型的错误（GH 5048）
修复了DatetimeIndex与PeriodIndex连接导致堆栈溢出的错误（GH 3899）
修复了groupby对象不允许绘图的错误（GH 5102）
修复了groupby对象无法自动完成列名的错误（GH 5102）
修复了groupby.plot()和相关函数多次复制图形的错误（GH 5102）
在fillna上提供了object类型的自动转换，相关（GH 5103）
修复了在选项解析器清理中默认选项被覆盖的错误（GH 5121）
对于iloc索引使用列表/ndarray 的相同方式进行处理（GH 5006）
修复了带有缺失值的MultiIndex.get_level_values()的错误（GH 5074）
修复了使用 datetime64 输入的Timestamp()的边界检查错误（GH 4065）
修复了TestReadHtml没有调用正确的read_html()函数的错误（GH 5150）
修复了NDFrame.replace()中的错误，使替换看起来像是（错误地）使用正则表达式（GH 5143）
为to_datetime提供更好的错误消息（GH 4928）
确保在 travis-ci 上测试不同的区域设置（GH 4918）。还添加了一些用于获取区域设置和使用上下文管理器设置区域设置的实用程序。
修复了isnull(MultiIndex)导致的段错误（现在会引发错误）（GH 5123，GH 5125）
允许在执行对齐操作时允许重复索引（GH 5185，GH 5639）
构造函数中的复合数据类型引发NotImplementedError（GH 5191）
比较重复框架时存在错误（GH 4421）相关
在重复框架上的描述中存在错误
修复了带有格式和 coerce=True 的 to_datetime 不引发异常的 bug (GH 5195)
修复了在使用多个索引器和需要广播的 Series 作为 rhs 时，loc 设置中的 bug (GH 5206)
修复了在 MultiIndex 上设置级别或标签时不会清除缓存的 values 属性，因此返回错误的 values 的 bug。(GH 5215)
修复了对分组的 DataFrame 或 Series 进行过滤时未保持原始顺序的 bug (GH 4621)。
修复了 Period 在工作日频率上始终向前滚动的 bug。(GH 5203)
修复了 Excel 写入器中带有重复列名的框架未正确写入的 bug。(GH 5235)
修复了在 Series 上使用 drop 和非唯一索引时的 bug (GH 5248)
修复了在文件中传递的名称多于列数导致 C 解析器中的段错误的 bug。(GH 5156)
修复了带有日期/时间类型的 Series.isin 的 bug (GH 5021)
C 和 Python 解析器现在可以处理更常见的 MultiIndex 列格式，不需要为索引名称添加行。(GH 4702)
修复了尝试将越界日期用作对象 dtype 时的 bug (GH 5312)
修复了尝试显示嵌入的 PandasObject 时的 bug (GH 5324)
允许对 Timestamp 进行操作，如果结果超出边界，则返回一个 datetime 相关的 bug (GH 5312)
修复了 initObjToJSON() 的返回值/类型签名，以便与 numpy 的 import_array() 兼容 (GH 5334, GH 5326)
在 DataFrame 上重命名然后设置索引时的 bug (GH 5344)
测试套件在测试图形时不再保留临时文件。(GH 5347)（感谢 @yarikoptic 发现这个问题！）
修复了在 win32 上的 html 测试。(GH 4580)
确保 head/tail 基于 iloc，(GH 5370)
修复了 PeriodIndex 字符串表示形��中存在 1 或 2 个元素时的 bug。(GH 5372)
GroupBy 方法 transform 和 filter 可以用于具有重复（非唯一）索引的 Series 和 DataFrames。(GH 4620)
修复了空系列在 repr 中未打印名称的问题（GH 4651）
默认情况下，使测试在临时目录中创建临时文件。(GH 5419)
标量的pd.to_timedelta返回一个标量（GH 5410）
pd.to_timedelta接受NaN和NaT，返回NaT而不是引发异常（GH 5437）
在较大尺寸的 pandas 对象上对isnull进行性能改进
修复了各种与 1d ndarray 不匹配长度的 setitem 问题（GH 5508）
使用 MultiIndex 和iloc时，getitem 存在 bug（GH 5528）
在 Series 上进行 delitem 存在 bug（GH 5542）
使用自定义函数时，在 apply 中存在 bug，且对象未被改变（GH 5545）
使用loc从非唯一索引中选择时存在 bug（GH 5553）
当用户函数返回None时，groupby 返回非一致类型存在 bug，(GH 5592)
解决了 numpy 1.7.0 中的回归问题，该问题错误地从ndarray.item引发 IndexError（GH 5666）
对具有非唯一索引的对象进行重复索引存在 bug（GH 5678）
使用 Series 和传递的 series/dict 时的 fillna 问题修复（GH 5703）
在具有类似日期时间的分组器的 groupby transform 中存在错误（GH 5712）
使用某些键时，PY3 中 MultiIndex 选择存在错误（GH 5725）
在某些情况下，不同 dtype 的行连接失败（GH 5754) ## 贡献者

总共有 77 人为此版本贡献了补丁。名字后面带有“+”的人第一次贡献了补丁。

阿古斯丁·赫兰斯 +
亚历克斯·高迪 +
亚历克斯·罗斯伯格 +
安德烈亚斯·克洛斯特曼 +
安德烈亚斯·武尔 +
安迪·海登
本·亚历克斯 +
本尼迪克特·索尔 +
布拉德·布兰
凯勒布·爱普斯坦 +
张舍
克里斯托弗·惠兰
DSM +
戴尔·郑 +
丹·伯肯
大卫·拉什 +
迪特·范登布斯切
加比·达瓦 +
加勒特·德拉帕拉
戈约 +
格雷格·雷达 +
伊万·斯米尔诺夫 +
杰克·凯利 +
雅各布·谢尔 +
扬·舒尔茨 +
杰夫·特拉特纳
杰弗里·特拉特纳
约翰·麦克纳马拉 +
约翰·W·奥布莱恩 +
乔里斯·范丹博斯切
贾斯汀·博佐尼尔 +
凯尔西·乔达尔
凯文·斯通
基兰·奥马霍尼
凯尔·豪斯曼 +
凯尔·凯利 +
凯尔·迈耶
迈克·凯利
莫塔达·梅希亚 +
尼克·福蒂 +
奥利维尔·哈里斯 +
安德烈·切尔蒂克 +
PKEuS
菲利普·克劳德
皮埃尔·哈西格 +
理查德·T·盖伊 +
罗曼·佩卡尔 +
罗伊·韩贤晋
斯基普·西博尔德
斯滕 +
托马斯·A·卡斯韦尔 +
托马斯·克卢伊弗
蒂亚戈·雷克奎霍 +
汤姆奥古斯伯格
特伦特·豪克
瓦伦丁·哈内尔 +
Viktor Kerkez +
Vincent Arel-Bundock
Wes McKinney
Wes Turner +
Weston Renoud +
Yaroslav Halchenko
Zach Dwiel +
chapman siu +
chappers +
d10genes +
danielballan
daydreamt +
engstrom +
jreback
monicaBee +
prossahl +
rockg +
unutbu +
westurner +
y-p
zach powers

API 变更

read_excel现在支持在其sheetname参数中传入整数，以读取指定索引的工作表（GH 4301）。
文本解析器现在将任何类似于 inf（“inf”，“Inf”，“-Inf”，“iNf”等）的内容视为无穷大。(GH 4220, GH 4219)，影响 read_table，read_csv 等。
pandas 现在在不需要 2to3 的情况下兼容 Python 2/3，感谢 @jtratner。因此，pandas 现在更广泛地使用迭代器。这也导致将 Benjamin Peterson 的 six 库的实质部分引入 compat。(GH 4384, GH 4375, GH 4372)
pandas.util.compat 和 pandas.util.py3compat 已合并为 pandas.compat。pandas.compat 现在包含许多函数，允许 2/3 兼容性。它包含 range、filter、map 和 zip 的列表和迭代器版本，以及其他必要的元素，以实现 Python 3 的兼容性。lmap、lzip、lrange 和 lfilter 都生成列表而不是迭代器，以与 numpy、下标和 pandas 构造函数兼容。(GH 4384, GH 4375, GH 4372)
使用负索引器的 Series.get 现在返回与 [] 相同的结果 (GH 4390)

更改了 Index 和 MultiIndex 处理元数据（levels、labels 和 names）的方式 (GH 4039)

# previously, you would have set levels or labels directly
>>> pd.index.levels = [[1, 2, 3, 4], [1, 2, 4, 4]]

# now, you use the set_levels or set_labels methods
>>> index = pd.index.set_levels([[1, 2, 3, 4], [1, 2, 4, 4]])

# similarly, for names, you can rename the object
# but setting names is not deprecated
>>> index = pd.index.set_names(["bob", "cranberry"])

# and all methods take an inplace kwarg - but return None
>>> pd.index.set_names(["bob", "cranberry"], inplace=True)

所有与 NDFrame 对象的除法现在都是 truedivision，无论未来的导入如何。这意味着对 pandas 对象进行操作将默认使用 浮点数 除法，并返回浮点数 dtype。您可以使用 // 和 floordiv 进行整数除法。

整数除法

In [3]: arr = np.array([1, 2, 3, 4])

In [4]: arr2 = np.array([5, 3, 2, 1])

In [5]: arr / arr2
Out[5]: array([0, 0, 1, 4])

In [6]: pd.Series(arr) // pd.Series(arr2)
Out[6]:
0    0
1    0
2    1
3    4
dtype: int64

真除法

In [7]: pd.Series(arr) / pd.Series(arr2)  # no future import required
Out[7]:
0    0.200000
1    0.666667
2    1.500000
3    4.000000
dtype: float64

如果将 downcast='infer' 传递给 fillna/ffill/bfill，则推断并降级 dtype (GH 4604)

__nonzero__对所有 NDFrame 对象，现在将引发 ValueError，这恢复了 (GH 1073, GH 4633) 的行为。有关更详细的讨论，请参见注意事项。

这样可以防止对整个 pandas 对象进行布尔比较，这在本质上是模棱两��的。所有这些都将引发 ValueError。

>>> df = pd.DataFrame({'A': np.random.randn(10),
...                    'B': np.random.randn(10),
...                    'C': pd.date_range('20130101', periods=10)
...                    })
...
>>> if df:
...     pass
...
Traceback (most recent call last):
  ...
ValueError: The truth value of a DataFrame is ambiguous.  Use a.empty,
a.bool(), a.item(), a.any() or a.all().

>>> df1 = df
>>> df2 = df
>>> df1 and df2
Traceback (most recent call last):
  ...
ValueError: The truth value of a DataFrame is ambiguous.  Use a.empty,
a.bool(), a.item(), a.any() or a.all().

>>> d = [1, 2, 3]
>>> s1 = pd.Series(d)
>>> s2 = pd.Series(d)
>>> s1 and s2
Traceback (most recent call last):
  ...
ValueError: The truth value of a DataFrame is ambiguous.  Use a.empty,
a.bool(), a.item(), a.any() or a.all().

在NDFrame对象中添加了.bool()方法，以便于评估单个元素的布尔序列：

>>> pd.Series([True]).bool()
 True
>>> pd.Series([False]).bool()
 False
>>> pd.DataFrame([[True]]).bool()
 True
>>> pd.DataFrame([[False]]).bool()
 False

所有非索引 NDFrames（Series，DataFrame，Panel，Panel4D，SparsePanel等）现在都支持整套算术运算符和算术灵活方法（add，sub，mul 等）。SparsePanel不支持非标量的pow或mod。 (GH 3765)
现在Series和DataFrame有一个mode()方法，可以按轴/序列计算统计模式。 (GH 5367)

现在默认情况下，如果用户正在向副本赋值，则链式赋值将发出警告。这可以通过选项mode.chained_assignment进行更改，允许的选项是raise/warn/None。请参阅文档。

In [1]: dfc = pd.DataFrame({'A': ['aaa', 'bbb', 'ccc'], 'B': [1, 2, 3]})

In [2]: pd.set_option('chained_assignment', 'warn')

如果尝试这样做，将显示以下警告/异常。

In [3]: dfc.loc[0]['A'] = 1111

Traceback (most recent call last)
   ...
SettingWithCopyWarning:
   A value is trying to be set on a copy of a slice from a DataFrame.
   Try using .loc[row_index,col_indexer] = value instead

这是正确的分配方法。

In [4]: dfc.loc[0, 'A'] = 11

In [5]: dfc
Out[5]: 
 A  B
0   11  1
1  bbb  2
2  ccc  3

Panel.reindex具有以下调用签名Panel.reindex(items=None, major_axis=None, minor_axis=None, **kwargs)

以符合其他NDFrame对象。有关更多信息，请参见内部重构。
Series.argmin和Series.argmax现在别名为Series.idxmin和Series.idxmax。这些返回索引的

分别是最小或最大元素的位置。在 0.13.0 版本之前，这些将返回最小/最大元素的位置。 (GH 6214)

先前版本的废弃/更改

这些是在 0.12 版本或之前宣布的更改，在 0.13.0 版本生效。

移除了废弃的Factor（GH 3650）
移除了废弃的set_printoptions/reset_printoptions（GH 3046）
移除了废弃的_verbose_info（GH 3215）
从pandas.io.parsers中删除了废弃的read_clipboard/to_clipboard/ExcelFile/ExcelWriter（GH 3717）这些函数在主要的 pandas 命名空间中可用（例如pd.read_clipboard）
对于to_csv和read_csv，tupleize_cols的默认值现在都是False。在 0.12 版本中提出了公平警告（GH 3604）
display.max_seq_len的默认值现在是 100 而不是None。这将在各个地方激活长序列的截断显示（“…”）。 (GH 3391)

弃用

在 0.13.0 版本中已弃用

废弃了iterkv，将在将来的版本中删除（这是 iteritems 的别名，用于绕过2to3的更改）。 (GH 4384, GH 4375, GH 4372)
弃用了字符串方法match，其作用现在更符合习惯的是extract。在将来的版本中，match的默认行为将更改为类似于contains，它返回一个布尔索引器。（它们的区别在于严格性：match依赖于re.match，而contains依赖于re.search。）在此版本中，弃用的行为是默认的，但新行为可以通过关键字参数as_indexer=True获得。

索引 API 更改

在 0.13 之前，无法使用标签索引器（.loc/.ix）设置不包含在特定轴索引中的值。(GH 2578)。请参阅文档

在Series情况下，这实际上是一个追加操作。

In [6]: s = pd.Series([1, 2, 3])

In [7]: s
Out[7]: 
0    1
1    2
2    3
dtype: int64

In [8]: s[5] = 5.

In [9]: s
Out[9]: 
0    1.0
1    2.0
2    3.0
5    5.0
dtype: float64

In [10]: dfi = pd.DataFrame(np.arange(6).reshape(3, 2),
 ....:                   columns=['A', 'B'])
 ....: 

In [11]: dfi
Out[11]: 
 A  B
0  0  1
1  2  3
2  4  5

以前会出现KeyError。

In [12]: dfi.loc[:, 'C'] = dfi.loc[:, 'A']

In [13]: dfi
Out[13]: 
 A  B  C
0  0  1  0
1  2  3  2
2  4  5  4

这就像一个append操作。

In [14]: dfi.loc[3] = 5

In [15]: dfi
Out[15]: 
 A  B  C
0  0  1  0
1  2  3  2
2  4  5  4
3  5  5  5

在任意轴上进行的 Panel 设置操作将使输入与 Panel 对齐。

In [20]: p = pd.Panel(np.arange(16).reshape(2, 4, 2),
 ....:             items=['Item1', 'Item2'],
 ....:             major_axis=pd.date_range('2001/1/12', periods=4),
 ....:             minor_axis=['A', 'B'], dtype='float64')
 ....:

In [21]: p
Out[21]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 4 (major_axis) x 2 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2001-01-12 00:00:00 to 2001-01-15 00:00:00
Minor_axis axis: A to B

In [22]: p.loc[:, :, 'C'] = pd.Series([30, 32], index=p.items)

In [23]: p
Out[23]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 4 (major_axis) x 3 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 2001-01-12 00:00:00 to 2001-01-15 00:00:00
Minor_axis axis: A to C

In [24]: p.loc[:, :, 'C']
Out[24]:
 Item1  Item2
2001-01-12   30.0   32.0
2001-01-13   30.0   32.0
2001-01-14   30.0   32.0
2001-01-15   30.0   32.0

Float64Index API 更改

添加了新的索引类型，Float64Index。当在索引创建中传递浮点值时，将自动创建此类型。这使得基于纯标签的切片范式成为可能，使得[],ix,loc用于标量索引和切片的工作方式完全相同。(GH 263)

默认情况下构造是针对浮点类型值的。
```
In [16]: index = pd.Index([1.5, 2, 3, 4.5, 5])

In [17]: index
Out[17]: Index([1.5, 2.0, 3.0, 4.5, 5.0], dtype='float64')

In [18]: s = pd.Series(range(5), index=index)

In [19]: s
Out[19]: 
1.5    0
2.0    1
3.0    2
4.5    3
5.0    4
dtype: int64 
```
对于[],.ix,.loc的标量选择将始终基于标签。整数将匹配相等的浮点索引（例如，3等同于3.0）。
```
In [20]: s[3]
Out[20]: 2

In [21]: s.loc[3]
Out[21]: 2 
```
唯一的位置索引是通过iloc进行的。
```
In [22]: s.iloc[3]
Out[22]: 3 
```
未找到的标量索引将引发KeyError。

切片始终是在索引的值上进行的，对于[],ix,loc始终是位置性的，对于iloc始终是位置性的。
```
In [23]: s[2:4]
Out[23]: 
2.0    1
3.0    2
dtype: int64

In [24]: s.loc[2:4]
Out[24]: 
2.0    1
3.0    2
dtype: int64

In [25]: s.iloc[2:4]
Out[25]: 
3.0    2
4.5    3
dtype: int64 
```
在浮点索引中，允许使用浮点数进行切片。
```
In [26]: s[2.1:4.6]
Out[26]: 
3.0    2
4.5    3
dtype: int64

In [27]: s.loc[2.1:4.6]
Out[27]: 
3.0    2
4.5    3
dtype: int64 
```

其他索引类型的索引保留（并对[],ix进行位置回退），唯一的例外是，在非Float64Index上的浮点数切片索引现在会引发TypeError。

In [1]: pd.Series(range(5))[3.5]
TypeError: the label [3.5] is not a proper indexer for this index type (Int64Index)

In [1]: pd.Series(range(5))[3.5:4.5]
TypeError: the slice start [3.5] is not a proper indexer for this index type (Int64Index)

在将来的版本中，将弃用使用标量浮点索引器，但目前允许使用。

In [3]: pd.Series(range(5))[3.0]
Out[3]: 3

HDFStore API 更改

查询格式更改。现在支持更类似字符串的查询格式。请参阅文档。

In [28]: path = 'test.h5'

In [29]: dfq = pd.DataFrame(np.random.randn(10, 4),
 ....:                   columns=list('ABCD'),
 ....:                   index=pd.date_range('20130101', periods=10))
 ....: 

In [30]: dfq.to_hdf(path, key='dfq', format='table', data_columns=True)

使用布尔表达式，进行内联函数评估。

In [31]: pd.read_hdf(path, 'dfq',
 ....:            where="index>Timestamp('20130104') & columns=['A', 'B']")
 ....: 
Out[31]: 
 A         B
2013-01-05 -0.424972  0.567020
2013-01-06 -0.673690  0.113648
2013-01-07  0.404705  0.577046
2013-01-08 -0.370647 -1.157892
2013-01-09  1.075770 -0.109050
2013-01-10  0.357021 -0.674600

使用内联列引用

In [32]: pd.read_hdf(path, 'dfq',
 ....:            where="A>0 or C>0")
 ....: 
Out[32]: 
 A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-07  0.404705  0.577046 -1.715002 -1.039268
2013-01-09  1.075770 -0.109050  1.643563 -1.469388
2013-01-10  0.357021 -0.674600 -1.776904 -0.968914

format关键字现在替换了table关键字；允许的值为fixed(f)或table(t)，与<0.13.0 之前的默认值相同，例如put意味着fixed格式，append意味着table格式。可以通过设置io.hdf.default_format选项来设置此默认格式。

In [33]: path = 'test.h5'

In [34]: df = pd.DataFrame(np.random.randn(10, 2))

In [35]: df.to_hdf(path, key='df_table', format='table')

In [36]: df.to_hdf(path, key='df_table2', append=True)

In [37]: df.to_hdf(path, key='df_fixed')

In [38]: with pd.HDFStore(path) as store:
 ....:    print(store)
 ....: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

显著的表写入性能改进
处理以表格格式传递的Series（GH 4330）
现在可以在表格中序列化timedelta64[ns]数据类型（GH 3577），请参阅文档。
添加了一个 is_open 属性，用于指示底层文件句柄是否打开；当查看存储时，关闭的存储现在将报告“CLOSED”（而不是引发错误）（GH 4409）

现在关闭 HDFStore 将关闭该 HDFStore 实例，但只有在所有打开句柄的引用计数（由 PyTables）为 0 时才会关闭实际文件。基本上，您有一个由变量引用的本地 HDFStore 实例。一旦关闭，它将报告已关闭。其他引用（指向同一文件）将继续操作，直到它们自己关闭。对已关闭文件执行操作将引发 ClosedFileError

In [39]: path = 'test.h5'

In [40]: df = pd.DataFrame(np.random.randn(10, 2))

In [41]: store1 = pd.HDFStore(path)

In [42]: store2 = pd.HDFStore(path)

In [43]: store1.append('df', df)

In [44]: store2.append('df2', df)

In [45]: store1
Out[45]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

In [46]: store2
Out[46]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

In [47]: store1.close()

In [48]: store2
Out[48]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

In [49]: store2.close()

In [50]: store2
Out[50]: 
<class 'pandas.io.pytables.HDFStore'>
File path: test.h5

删除了 _quiet 属性，如果从表中检索重复行，则替换为 DuplicateWarning（GH 4367）
从 open 中删除了 warn 参数。如果尝试使用 mode='w' 与打开的文件句柄，则将引发 PossibleDataLossError 异常（GH 4367）
允许传递位置数组或掩码作为 where 条件（GH 4467）。请参阅文档以获取示例。
将关键字 dropna=True 添加到 append 中，以更改是否不将所有 nan 行写入存储（默认为 True，不写入所有 nan 行），也可通过选项 io.hdf.dropna_table 进行设置（GH 4625）
通过存储创建参数传递；可用于支持内存存储

DataFrame repr 更改

HTML 和纯文本表示的DataFrame现在在表格超过一定大小时显示截断视图，而不是切换到简短信息视图（GH 4886, GH 5550）。这使表示更加一致，因为小的 DataFrames 变得更大。

要获取信息视图，请调用DataFrame.info()。如果您更喜欢信息视图作为大 DataFrames 的 repr，可以通过运行 set_option('display.large_repr', 'info') 来设置。

增强功能

df.to_clipboard() 学会了一个新的 excel 关键字，让您可以直接将 df 数据粘贴到 excel 中（默认启用）。(GH 5070).
read_html 现在引发 URLError 而不是捕获并引发 ValueError（GH 4303, GH 4305)
添加了对 read_clipboard() 和 to_clipboard() 的测试（GH 4282）
剪贴板功能现在支持 PySide (GH 4282)
当绘图参数包含重叠的颜色和样式参数时，添加了更具信息性的错误消息 (GH 4402)
to_dict 现在接受records作为可能的输出类型。返回一个以列键为字典的数组。 (GH 4936)

get_dummies中的NaN处理 (GH 4446) 使用dummy_na

# previously, nan was erroneously counted as 2 here
# now it is not counted at all
In [51]: pd.get_dummies([1, 2, np.nan])
Out[51]: 
 1.0    2.0
0   True  False
1  False   True
2  False  False

# unless requested
In [52]: pd.get_dummies([1, 2, np.nan], dummy_na=True)
Out[52]: 
 1.0    2.0    NaN
0   True  False  False
1  False   True  False
2  False  False   True

timedelta64[ns] 操作。请参阅文档。

警告

大多数这些操作需要numpy >= 1.7

使用新的顶级to_timedelta，您可以将标准时间增量格式（由to_csv生成）的标量或数组转换为时间增量类型（np.timedelta64中的nanoseconds）。

In [53]: pd.to_timedelta('1 days 06:05:01.00003')
Out[53]: Timedelta('1 days 06:05:01.000030')

In [54]: pd.to_timedelta('15.5us')
Out[54]: Timedelta('0 days 00:00:00.000015500')

In [55]: pd.to_timedelta(['1 days 06:05:01.00003', '15.5us', 'nan'])
Out[55]: TimedeltaIndex(['1 days 06:05:01.000030', '0 days 00:00:00.000015500', NaT], dtype='timedelta64[ns]', freq=None)

In [56]: pd.to_timedelta(np.arange(5), unit='s')
Out[56]: 
TimedeltaIndex(['0 days 00:00:00', '0 days 00:00:01', '0 days 00:00:02',
 '0 days 00:00:03', '0 days 00:00:04'],
 dtype='timedelta64[ns]', freq=None)

In [57]: pd.to_timedelta(np.arange(5), unit='d')
Out[57]: TimedeltaIndex(['0 days', '1 days', '2 days', '3 days', '4 days'], dtype='timedelta64[ns]', freq=None)

一个timedelta64[ns] dtype 的 Series 现在可以被另一个timedelta64[ns]对象除以，或者转换为float64 dtype 的 Series。这是频率转换。请参阅文档。

In [58]: import datetime

In [59]: td = pd.Series(pd.date_range('20130101', periods=4)) - pd.Series(
 ....:    pd.date_range('20121201', periods=4))
 ....: 

In [60]: td[2] += np.timedelta64(datetime.timedelta(minutes=5, seconds=3))

In [61]: td[3] = np.nan

In [62]: td
Out[62]: 
0   31 days 00:00:00
1   31 days 00:00:00
2   31 days 00:05:03
3                NaT
dtype: timedelta64[ns]

# to days
In [63]: td / np.timedelta64(1, 'D')
Out[63]:
0    31.000000
1    31.000000
2    31.003507
3          NaN
dtype: float64

In [64]: td.astype('timedelta64[D]')
Out[64]:
0    31.0
1    31.0
2    31.0
3     NaN
dtype: float64

# to seconds
In [65]: td / np.timedelta64(1, 's')
Out[65]:
0    2678400.0
1    2678400.0
2    2678703.0
3          NaN
dtype: float64

In [66]: td.astype('timedelta64[s]')
Out[66]:
0    2678400.0
1    2678400.0
2    2678703.0
3          NaN
dtype: float64

将timedelta64[ns] Series 除以整数或整数 Series，或乘以整数

In [63]: td * -1
Out[63]: 
0   -31 days +00:00:00
1   -31 days +00:00:00
2   -32 days +23:54:57
3                  NaT
dtype: timedelta64[ns]

In [64]: td * pd.Series([1, 2, 3, 4])
Out[64]: 
0   31 days 00:00:00
1   62 days 00:00:00
2   93 days 00:15:09
3                NaT
dtype: timedelta64[ns]

绝对DateOffset对象可以等效于timedeltas

In [65]: from pandas import offsets

In [66]: td + offsets.Minute(5) + offsets.Milli(5)
Out[66]: 
0   31 days 00:05:00.005000
1   31 days 00:05:00.005000
2   31 days 00:10:03.005000
3                       NaT
dtype: timedelta64[ns]

现在支持对时间增量的fillna

In [67]: td.fillna(pd.Timedelta(0))
Out[67]: 
0   31 days 00:00:00
1   31 days 00:00:00
2   31 days 00:05:03
3    0 days 00:00:00
dtype: timedelta64[ns]

In [68]: td.fillna(datetime.timedelta(days=1, seconds=5))
Out[68]: 
0   31 days 00:00:00
1   31 days 00:00:00
2   31 days 00:05:03
3    1 days 00:00:05
dtype: timedelta64[ns]

您可以对时间增量进行数值缩减操作。

In [69]: td.mean()
Out[69]: Timedelta('31 days 00:01:41')

In [70]: td.quantile(.1)
Out[70]: Timedelta('31 days 00:00:00')

plot(kind='kde') 现在接受可选参数bw_method和ind，传递给 scipy.stats.gaussian_kde()（对于 scipy >= 0.11.0）以设置带宽，并传递给 gkde.evaluate() 以指定评估的索引。请参阅 scipy 文档。 (GH 4298)
DataFrame 构造函数现在接受 numpy 掩码记录数组 (GH 3478)

新的矢量化字符串方法extract更方便地返回正则表达式匹配。

In [71]: pd.Series(['a1', 'b2', 'c3']).str.extract('ab')
Out[71]: 
 0
0    1
1    2
2  NaN

不匹配的元素返回NaN。提取具有多个组的正则表达式将返回一个每组一列的 DataFrame。

In [72]: pd.Series(['a1', 'b2', 'c3']).str.extract('([ab])(\\d)')
Out[72]: 
 0    1
0    a    1
1    b    2
2  NaN  NaN

不匹配的元素返回一行NaN。因此，一系列混乱的字符串可以转换为具有相同索引的清理或更有用的字符串的 Series 或 DataFrame，而无需使用get()来访问元组或re.match对象。

命名组如

In [73]: pd.Series(['a1', 'b2', 'c3']).str.extract(
 ....:    '(?P<letter>[ab])(?P<digit>\\d)')
 ....: 
Out[73]: 
 letter digit
0      a     1
1      b     2
2    NaN   NaN

还可以使用可选组。

In [74]: pd.Series(['a1', 'b2', '3']).str.extract(
 ....:     '(?P<letter>[ab])?(?P<digit>\\d)')
 ....: 
Out[74]: 
 letter digit
0      a     1
1      b     2
2    NaN     3

read_stata 现在接受 Stata 13 格式 (GH 4291)
如果数据具有正确分隔和正确对齐列，并使用提供给函数的分隔符，read_fwf 现在可以从文件的前 100 行推断列规范 (GH 4488)。

支持纳秒时间作为偏移量

警告

这些操作需要numpy >= 1.7

秒及以下范围内的周期转换已经重新设计并扩展到纳秒。现在可以使用纳秒范围的周期。

In [79]: pd.date_range('2013-01-01', periods=5, freq='5N')
Out[79]:
DatetimeIndex([          '2013-01-01 00:00:00',
               '2013-01-01 00:00:00.000000005',
               '2013-01-01 00:00:00.000000010',
               '2013-01-01 00:00:00.000000015',
               '2013-01-01 00:00:00.000000020'],
              dtype='datetime64[ns]', freq='5N')

或者使用频率作为偏移量

In [75]: pd.date_range('2013-01-01', periods=5, freq=pd.offsets.Nano(5))
Out[75]: 
DatetimeIndex([          '2013-01-01 00:00:00',
 '2013-01-01 00:00:00.000000005',
 '2013-01-01 00:00:00.000000010',
 '2013-01-01 00:00:00.000000015',
 '2013-01-01 00:00:00.000000020'],
 dtype='datetime64[ns]', freq='5ns')

时间戳可以在纳秒范围内进行修改

In [76]: t = pd.Timestamp('20130101 09:01:02')

In [77]: t + pd.tseries.offsets.Nano(123)
Out[77]: Timestamp('2013-01-01 09:01:02.000000123')

DataFrames 的新方法isin，与布尔索引很好地配合。isin的参数，我们要将 DataFrame 与之进行比较的内容，可以是 DataFrame、Series、dict 或值数组。更多信息请参阅文档。

要获取满足任何条件的行：

In [78]: dfi = pd.DataFrame({'A': [1, 2, 3, 4], 'B': ['a', 'b', 'f', 'n']})

In [79]: dfi
Out[79]: 
 A  B
0  1  a
1  2  b
2  3  f
3  4  n

In [80]: other = pd.DataFrame({'A': [1, 3, 3, 7], 'B': ['e', 'f', 'f', 'e']})

In [81]: mask = dfi.isin(other)

In [82]: mask
Out[82]: 
 A      B
0   True  False
1  False  False
2   True   True
3  False  False

In [83]: dfi[mask.any(axis=1)]
Out[83]: 
 A  B
0  1  a
2  3  f

Series现在支持to_frame方法，将其转换为单列 DataFrame（GH 5164）
所有列在这里列出的 R 数据集stat.ethz.ch/R-manual/R-devel/library/datasets/html/00Index.html现在可以加载到 pandas 对象中
```
# note that pandas.rpy was deprecated in v0.16.0
import pandas.rpy.common as com
com.load_data('Titanic') 
```
tz_localize可以根据未本地化数据的结构推断秋季日光节约时间转换（GH 4230），请参阅文档
DatetimeIndex现在在 API 文档中，参见文档
json_normalize()是一个新方法，允许您从半结构化的 JSON 数据创建一个扁平表。请参阅文档（GH 1067）
为 qtpandas 的 DataFrameModel 和 DataFrameWidget 添加了 PySide 支持。
Python csv 解析器现在支持 usecols（GH 4335）
频率增加了几个新的偏移量：
- LastWeekOfMonth（GH 4637）
- FY5253和FY5253Quarter（GH 4511）
DataFrame 现在有一个新的interpolate方法，类似于 Series（GH 4434，GH 1892）
```
In [84]: df = pd.DataFrame({'A': [1, 2.1, np.nan, 4.7, 5.6, 6.8],
 ....:                  'B': [.25, np.nan, np.nan, 4, 12.2, 14.4]})
 ....: 

In [85]: df.interpolate()
Out[85]: 
 A      B
0  1.0   0.25
1  2.1   1.50
2  3.4   2.75
3  4.7   4.00
4  5.6  12.20
5  6.8  14.40 
```
此外，interpolate的method参数已扩展到包括'nearest', 'zero', 'slinear', 'quadratic', 'cubic', 'barycentric', 'krogh', 'piecewise_polynomial', 'pchip', 'polynomial', 'spline'。新方法需要scipy。有关各种方法何时适用的更多信息，请参阅 Scipy 参考指南和文档。请参阅文档。

Interpolate 现在还接受一个limit关键字参数。这与fillna的限制类似：
```
In [86]: ser = pd.Series([1, 3, np.nan, np.nan, np.nan, 11])

In [87]: ser.interpolate(limit=2)
Out[87]: 
0     1.0
1     3.0
2     5.0
3     7.0
4     NaN
5    11.0
dtype: float64 
```

添加了wide_to_long面板数据便利函数。请参阅文档。

In [88]: np.random.seed(123)

In [89]: df = pd.DataFrame({"A1970" : {0 : "a", 1 : "b", 2 : "c"},
 ....:                   "A1980" : {0 : "d", 1 : "e", 2 : "f"},
 ....:                   "B1970" : {0 : 2.5, 1 : 1.2, 2 : .7},
 ....:                   "B1980" : {0 : 3.2, 1 : 1.3, 2 : .1},
 ....:                   "X"     : dict(zip(range(3), np.random.randn(3)))
 ....:                  })
 ....: 

In [90]: df["id"] = df.index

In [91]: df
Out[91]: 
 A1970 A1980  B1970  B1980         X  id
0     a     d    2.5    3.2 -1.085631   0
1     b     e    1.2    1.3  0.997345   1
2     c     f    0.7    0.1  0.282978   2

In [92]: pd.wide_to_long(df, ["A", "B"], i="id", j="year")
Out[92]: 
 X  A    B
id year 
0  1970 -1.085631  a  2.5
1  1970  0.997345  b  1.2
2  1970  0.282978  c  0.7
0  1980 -1.085631  d  3.2
1  1980  0.997345  e  1.3
2  1980  0.282978  f  0.1

to_csv现在接受一个date_format关键字参数，指定输出日期时间对象的格式。索引、列和值中遇到的日期时间都将应用此格式。(GH 4313)
DataFrame.plot将通过传递kind='scatter'来绘制 x 与 y 的散点图。(GH 2215)
增加了对支持 Google Analytics v3 API 段 ID 的支持，也支持 v2 ID。(GH 5271)

实验性

新的eval()函数实现了使用numexpr在后台进行表达式评估。这将大大加快涉及大型 DataFrame/Series 的复杂表达式的速度。例如，

In [93]: nrows, ncols = 20000, 100

In [94]: df1, df2, df3, df4 = [pd.DataFrame(np.random.randn(nrows, ncols))
 ....:                      for _ in range(4)]
 ....:

# eval with NumExpr backend
In [95]: %timeit pd.eval('df1 + df2 + df3 + df4')
2.82 ms +- 67.4 us per loop (mean +- std. dev. of 7 runs, 100 loops each)

# pure Python evaluation
In [96]: %timeit df1 + df2 + df3 + df4
2.89 ms +- 56.9 us per loop (mean +- std. dev. of 7 runs, 100 loops each)

有关更多详细信息，请参阅文档

与pandas.eval类似，DataFrame现在有一个新的DataFrame.eval方法，用于在DataFrame的上下文中评估表达式。例如，

In [97]: df = pd.DataFrame(np.random.randn(10, 2), columns=['a', 'b'])

In [98]: df.eval('a + b')
Out[98]: 
0   -0.685204
1    1.589745
2    0.325441
3   -1.784153
4   -0.432893
5    0.171850
6    1.895919
7    3.065587
8   -0.092759
9    1.391365
dtype: float64

query()方法已添加，允许您使用几乎与 Python 语法完全相同的自然查询语法选择DataFrame的元素。例如，
```
In [99]: n = 20

In [100]: df = pd.DataFrame(np.random.randint(n, size=(n, 3)), columns=['a', 'b', 'c'])

In [101]: df.query('a < b < c')
Out[101]: 
 a   b   c
11  1   5   8
15  8  16  19 
```
选择所有df中a < b < c评估为True的行。有关更多详细信息，请参阅文档。

pd.read_msgpack()和pd.to_msgpack()现在是序列化任意 pandas（和 python 对象）的支持方法，以轻量级便携二进制格式。请参阅文档

警告

由于这是一个实验性库，存储格式可能在未来的发布中不稳定。

df = pd.DataFrame(np.random.rand(5, 2), columns=list('AB'))
df.to_msgpack('foo.msg')
pd.read_msgpack('foo.msg')

s = pd.Series(np.random.rand(5), index=pd.date_range('20130101', periods=5))
pd.to_msgpack('foo.msg', df, s)
pd.read_msgpack('foo.msg')

您可以传递iterator=True以迭代解压缩的结果

for o in pd.read_msgpack('foo.msg', iterator=True):
    print(o)

pandas.io.gbq提供了一种简单的方法，通过 pandas DataFrames 从 Google 的 BigQuery 数据集中提取数据，并加载数据。BigQuery 是一个高性能类似 SQL 的数据库服务，用于针对极大数据集执行临时查询。查看文档

from pandas.io import gbq

# A query to select the average monthly temperatures in the
# in the year 2000 across the USA. The dataset,
# publicata:samples.gsod, is available on all BigQuery accounts,
# and is based on NOAA gsod data.

query = """SELECT station_number as STATION,
month as MONTH, AVG(mean_temp) as MEAN_TEMP
FROM publicdata:samples.gsod
WHERE YEAR = 2000
GROUP BY STATION, MONTH
ORDER BY STATION, MONTH ASC"""

# Fetch the result set for this query

# Your Google BigQuery Project ID
# To find this, see your dashboard:
# https://console.developers.google.com/iam-admin/projects?authuser=0
projectid = 'xxxxxxxxx'
df = gbq.read_gbq(query, project_id=projectid)

# Use pandas to process and reshape the dataset

df2 = df.pivot(index='STATION', columns='MONTH', values='MEAN_TEMP')
df3 = pd.concat([df2.min(), df2.mean(), df2.max()],
                axis=1, keys=["Min Tem", "Mean Temp", "Max Temp"])

结果 DataFrame 是：

> df3
            Min Tem  Mean Temp    Max Temp
 MONTH
 1     -53.336667  39.827892   89.770968
 2     -49.837500  43.685219   93.437932
 3     -77.926087  48.708355   96.099998
 4     -82.892858  55.070087   97.317240
 5     -92.378261  61.428117  102.042856
 6     -77.703334  65.858888  102.900000
 7     -87.821428  68.169663  106.510714
 8     -89.431999  68.614215  105.500000
 9     -86.611112  63.436935  107.142856
 10    -78.209677  56.880838   92.103333
 11    -50.125000  48.861228   94.996428
 12    -50.332258  42.286879   94.396774

警告

要使用此模块，您将需要一个 BigQuery 帐户。有关详细信息，请参阅<cloud.google.com/products/big-query>

截至 2013 年 10 月 10 日，Google 的 API 中存在一个错误，阻止结果集超过 100,000 行。修补程序计划于 2013 年 10 月 14 日那周发布。

内部重构

在 0.13.0 中进行了主要重构，主要是将Series从NDFrame子类化，NDFrame目前是DataFrame和Panel的基类，以统一方法和行为。Series以前直接从ndarray子类化。(GH 4080, GH 3862, GH 816)

警告

与< 0.13.0 存在两个潜在的不兼容性

使用某些 numpy 函数以前会在传递Series作为参数时返回Series。这似乎只影响np.ones_like、np.empty_like、np.diff和np.where。现在这些函数返回ndarrays。

In [102]: s = pd.Series([1, 2, 3, 4])

Numpy 用法

In [103]: np.ones_like(s)
Out[103]: array([1, 1, 1, 1])

In [104]: np.diff(s)
Out[104]: array([1, 1, 1])

In [105]: np.where(s > 1, s, np.nan)
Out[105]: array([nan,  2.,  3.,  4.])

Pandonic 用法

In [106]: pd.Series(1, index=s.index)
Out[106]: 
0    1
1    1
2    1
3    1
dtype: int64

In [107]: s.diff()
Out[107]: 
0    NaN
1    1.0
2    1.0
3    1.0
dtype: float64

In [108]: s.where(s > 1)
Out[108]: 
0    NaN
1    2.0
2    3.0
3    4.0
dtype: float64

直接将Series传递给期望ndarray类型的 cython 函数将不再直接起作用，必须传递Series.values，请参阅 Enhancing Performance
Series(0.5)以前会返回标量0.5，现在会返回一个包含 1 个元素的Series
此更改破坏了rpy2<=2.3.8。已针对 rpy2 提出了一个问题，并在GH 5698中详细介绍了解决方法。感谢@JanSchulz。
保留了对 0.13 之前创建的 pickles 的 Pickle 兼容性。这些必须使用pd.read_pickle进行反序列化，请参阅 Pickling。
重构了 series.py/frame.py/panel.py，将通用代码移动到 generic.py。
- 添加了_setup_axes以创建通用的 NDFrame 结构
- 移动的方法
  - from_axes,_wrap_array,axes,ix,loc,iloc,shape,empty,swapaxes,transpose,pop
  - __iter__,keys,__contains__,__len__,__neg__,__invert__
  - convert_objects,as_blocks,as_matrix,values
  - __getstate__,__setstate__（frame/panel 中保留了兼容性）
  - __getattr__,__setattr__
  - _indexed_same,reindex_like,align,where,mask
  - fillna,replace（Series的 replace 现在与DataFrame一致）
  - filter（还添加了轴参数以选择性地在不同轴上进行过滤）
  - reindex,reindex_axis,take
  - truncate（移动为NDFrame的一部分）
这些是使Panel与DataFrame更一致的 API 更改。
- 在指定相同轴的Panel上执行swapaxes现在会返回一个副本
- 支持属性访问进行设置
- filter 支持与原始DataFrame filter 相同的 API
调用没有参数的 reindex 现在将返回输入对象的副本
TimeSeries现在是Series的别名。属性is_time_series可用于区分（如果需要）
重构稀疏对象以使用 BlockManager
- 在 internals 中创建了一个新的块类型，SparseBlock，可以容纳多种数据类型，不可合并。SparseSeries和SparseDataFrame现在从层次结构（Series/DataFrame）继承更多方法，并不再从SparseArray继承（而是SparseBlock的对象）。
- 稀疏套件现在支持与非稀疏数据的集成。非浮点稀疏数据是可支持的（部分实现）
- 在 DataFrame 中对稀疏结构进行操作应该保持稀疏性，合并类型操作将转换为稠密（然后再转换为稀疏），因此可能有些低效
- 为SparseSeries启用setitem以支持布尔值/整数/切片
- SparsePanels的实现未更改（例如不使用 BlockManager，需要工作）
向 Series/DataFrame 添加了ftypes方法，类似于dtypes，但指示底层是稀疏的/稠密的（以及 dtype）
所有NDFrame对象现在都可以使用__finalize__()来指定从现有对象传播到新对象的各种值（例如Series中的name现在将更自动地跟随）
现在通过一系列生成的类进行内部类型检查，允许isinstance(value, klass)而无需直接导入 klass，感谢@jtratner
修复了 Series 更新中的一个 bug，其中父框架未根据更改更新其缓存（GH 4080）或类型（GH 3217，fillna（GH 3386）
修复了进行 dtype 转换的索引操作（GH 4463，GH 4204）
重构Series.reindex到 core/generic.py（GH 4604，GH 4618），允许在 Series 上重新索引时使用method=
Series.copy不再接受order参数，现在与NDFrame的 copy 方法保持一致
将rename方法重构到 core/generic.py；修复了Series.rename（GH 4605），并为Panel添加了具有相同签名的rename
将clip方法重构到 core/generic.py（GH 4798）
将_get_numeric_data/_get_bool_data重构到 core/generic.py，允许 Series/Panel 功能

Series（用于索引）/ Panel（用于项目）现在允许对其元素进行属性访问（GH 1903）

In [109]: s = pd.Series([1, 2, 3], index=list('abc'))

In [110]: s.b
Out[110]: 2

In [111]: s.a = 5

In [112]: s
Out[112]: 
a    5
b    2
c    3
dtype: int64

Bug 修复

HDFStore
- 当使用不同的块排序附加时，引发无效的TypeError��不是ValueError（GH 4096）
- read_hdf没有遵守传递的mode（GH 4504）
- 现在可以正确地附加一个长度为 0 的表格了（GH 4273）
- 当同时传递append和table参数时，to_hdf会引发异常（GH 4584）
- 从具有跨 dtype 重复列的存储中读取会引发异常（GH 4767）
- 修复了当列名不是字符串时未正确引发ValueError的 bug（GH 4956）
- 以 Fixed 格式编写的零长度系列未正确反序列化。(GH 4708)。
- 修复了 pyt3 上的解码性能问题（GH 5441）。
- 在存储之前验证 MultiIndex 中的级别（GH 5527）。
- 正确处理具有 Panel 的data_columns（GH 5717）。
修复了tslib.tz_convert(vals, tz1, tz2)中的错误：尝试访问 trans[pos + 1]时可能会引发 IndexError 异常（GH 4496）。
by参数现在与*.hist绘图方法中的layout参数正常工作（GH 4102，GH 4014）。
修复了PeriodIndex.map中使用str会返回索引的 str 表示形式的错误（GH 4136）。
在使用自定义 matplotlib 默认颜色时修复了test_time_series_plot_color_with_empty_kwargs的测试失败（GH 4345）。
修复了 stata IO 测试的运行问题。现在使用临时文件进行写入（GH 4353）。
修复了DataFrame.sum比整数值框架的DataFrame.mean慢的问题（GH 4365）。
read_html测试现在可以在 Python 2.6 中工作（GH 4351）。
修复了因未定义本地变量而引发NameError的network测试错误（GH 4381）。
在to_json中，如果传递的orient会因为重复索引而导致数据丢失，就会引发错误（GH 4359）。
在to_json中，修复日期处理，使毫秒成为默认时间戳，正如文档字符串所说的那样（GH 4362）。
在进行 groupby apply 时不再忽略as_index（GH 4648，GH 3417）。
修复了 JSON NaT 处理问题，现在 NaT 被序列化为null（GH 4498）。
修复了 JSON 对象键中可转义字符的 JSON 处理问题（GH 4593）。
在na_values=None时传递keep_default_na=False时修复了错误（GH 4318）。
在 DataFrame 具有重复列和混合数据类型时，修复了values引发错误的问题，出现在（GH 4377）中。
在read_json中，当orient='split'时，修复了重复列和类型转换导致的错误（GH 4377）。
修复了 JSON 中的 bug，其中具有除‘.’以外的小数分隔符的区��设置在编码/解码某些值时引发异常的问题（GH 4918)
修复了使用PeriodIndex进行.iat索引的问题（GH 4390)
修复了PeriodIndex与自身连接返回新实例而不是相同实例的问题（GH 4379); 还为其他索引类型添加了测试
修复了在使用 CSV cparser 和 usecols 参数时，所有 dtypes 都被转换为 object 的 bug（GH 3192)
修复了合并块时导致结果 DataFrame 部分设置 _ref_locs 的问题（GH 4403)
修复了使用顶层 matplotlib API 调用 hist 子图时被覆盖的问题（GH 4408)
修复了调用Series.astype(str)会截断字符串的 bug（GH 4405, GH 4437)
修复了 py3 兼容性问题，其中 bytes 被 repr 为元组的问题（GH 4455)
修复了如果项目命名为'a'时 Panel 属性命名冲突的问题（GH 3440)
修复了绘图时重复索引引发异常的问题（GH 4486)
修复了 cumsum 和 cumprod 在 bool dtypes 上不起作用的问题（GH 4170, GH 4440)
修复了在xs中的 Panel 切片问题，返回了一个不正确的 dimmed 对象（GH 4016)
修复了自定义 reduce 函数在只有一个组时未使用的重采样 bug（GH 3849, GH 4494)
修复了使用转置框架进行 Panel 赋值的问题（GH 3830)
在使用 Panel 和 Panel 作为需要对齐的值进行设置索引时引发异常（GH 3777)
现在在Series构造函数中使用 frozenset 对象会引发异常（GH 4482, GH 4480)
修复了对具有多个 dtypes 的重复 MultiIndex 进行排序时的问题（GH 4516)
修复了DataFrame.set_values中的 bug，导致扩展索引时丢失 name 属性的问题（GH 3742, GH 4039)
修复了在 MultiIndex 上可以设置单独的 names、levels 和 labels 而不进行验证的问题（GH 3714，GH 4039）。
在 pivot_table 中修复了一个问题（GH 3334）。如果 values 是索引，则边距未计算。
修复了在与日期时间操作时具有 np.timedelta64 或 np.offsets.DateOffset 的 rhs 的 bug（GH 4532）。
修复了系列/日期时间索引和 np.timedelta64 之间的算术运算不一致的问题（GH 4134）以及 NumPy 1.6 中的错误时间间隔（GH 4135）。
修复了在 Windows 上使用 PY3 时 pd.read_clipboard 的 bug（GH 4561）；未正确解码。
tslib.get_period_field() 和 tslib.get_period_field_arr() 现在在 code 参数超出范围时会引发异常（GH 4519，GH 4520）。
修复了空系列上的布尔索引丢失索引名称的问题（GH 4235），infer_dtype 现在可以处理空数组。
修复了使用多个轴重新索引时的问题；如果轴匹配未替换当前轴，可能导致潜在的频率推断问题（GH 3317）。
修复了 DataFrame.apply 不正确重新引发异常的问题（导致原始堆栈跟踪被截断）。
修复了使用 ix/loc 和非唯一选择器进行选择的问题（GH 4619）。
修复了在现有列中使用 iloc/loc 进行赋值涉及 dtype 更改的问题（GH 4312，GH 5702）在核心索引中使用 Block.setitem。
修复了在 csv_import 中浮点数的千位操作符处理不正确的 bug（GH 4322）。
修复了 CacheableOffset 未被多个 DateOffset 正确使用的问题；这导致 DateOffset 无法被缓存（GH 4609）。
修复了在 DataFrame 左侧使用 DataFrame 进行布尔比较，右侧是列表/元组的问题（GH 4576）。
修复了在 Series/DataFrame 上使用 None 进行 setitem 时的错误/类型转换问题（GH 4667）。
修复了基于传入的非默认编码解码的问题在 pd.read_stata 中（GH 4626）。
修复了使用普通 ndarray 的 DataFrame.from_records 的问题（GH 4727）。
修复了Index.rename和MultiIndex.rename等中的一些不一致性。(GH 4718, GH 4628)
使用iloc/loc时出现横截面和重复索引的错误（GH 4726)
使用to_csv时使用QUOTE_NONE导致Exception的错误。（GH 4328)
当 Series 索引的右侧长度不正确时未引发错误的错误已修复（GH 2702)
使用部分字符串选择作为 MultIndex 的一部分进行 MultiIndexing 时出现的错误（GH 4758)
在具有非唯一索引的索引上重新索引现在将引发ValueError的问题已修复（GH 4746)
修复了使用loc/ix设置具有多级索引轴和 NumPy 数组的单个索引器时出现的错误，相关问题（GH 3777)
在跨数据类型具有重复列的连接中，未使用 axis=0 合并的错误（GH 4771, GH 4975)
使用切片索引时iloc出现失败的错误（GH 4771)
在read_fwf中没有 colspecs 或 width 时出现不正确的错误消息。(GH 4774)
修复了在具有重复索引的 Series 中进行索引时出现的错误（GH 4548, GH 4550)
修复了在 Python 3 中使用read_fwf读取压缩文件时出现的错误。(GH 3963)
修复了具有重复索引和 dtype 更改的赋值的问题（GH 4686)
修复了在 Python 3 中读取压缩文件时将其作为bytes而不是str的错误。简化了 Python 3 中处理生成字节的文件的操作（GH 3963, GH 4785).
修复了与不同版本的 matplotlib 中对数刻度条形图的 ticklocs/ticklabels 相关的问题（GH 4789)
抑制了由 repr()发出的内部调用关联的 DeprecationWarning（GH 4391)
修复了使用.loc时出现重复索引和重复选择器的问题（GH 4825)
修复了DataFrame.sort_index中的问题，当按单个列排序并传递一个ascending列表时，ascending参数被解释为True（GH 4839, GH 4846)
修复了Panel.tshift不起作用的问题。为Panel.shift添加了freq支持。(GH 4853)
修复了使用 Python 引擎（即 PythonParser）时TextFileReader中的问题，千位分隔符不是“,”。(GH 4596)
在使用where时，使用重复索引时出现的getitem错误已修复。(GH 4879)
修复了类型推断代码将浮点列强制转换为日期时间的问题。(GH 4601)
修复了_ensure_numeric不检查复数的问题。(GH 4902)
修复了Series.hist中当传递by参数时创建两个图形的错误。(GH 4112, GH 4113)
修复了convert_objects对> 2 维的错误。(GH 4937)
修复了 DataFrame/Panel 缓存插入和随后索引的错误。(GH 4939, GH 5424)
修复了FrozenNDArray和FrozenList的字符串方法。(GH 4929)
修复了在索引扩展场景中设置无效或超出范围值时的错误。(GH 4940)
对空Series进行fillna的测试。(GH 4346)，感谢 @immerrr
修复了copy()以浅复制轴/索引，并因此保留单独的元数据。(GH 4202, GH 4830)
修复了read_csv中 Python 解析器的skiprows选项。(GH 4382)
修复了cut无法与未显式传递标签的np.inf级别一起使用的错误。(GH 3415)
修复了DatetimeIndex.union中重叠检查的错误。(GH 4564)
修复了csv_parser中千位分隔符和日期解析器之间的冲突。(GH 4678)
在dtypes不相同时修复了追加的问题（显示混合 float/np.datetime64 的错误）。(GH 4993)
修复了DateOffset的repr。不再在kwds中显示重复条目。移除了未使用的偏移字段。(GH 4638)
修复了在使用usecols时读取read_csv时索引名称错误的问题。仅适用于 c 解析器。(GH 4201)
Timestamp对象现在可以出现在与Series或DataFrame对象进行比较操作的左侧。(GH 4982)
修复了使用 iloc/loc 通过 np.nan 进行索引时的 bug（GH 5016）。
修复了低内存 c 解析器在同一文件的不同块中创建不同类型的 bug。现在强制转换为数值类型或引发警告（GH 3866）。
修复了将Series重塑为其自身形状时引发TypeError的 bug（GH 4554）以及其他重塑问题。
使用混合整数/字符串索引设置ix/loc时出现的 bug（GH 4544）。
确保系列-系列布尔比较是基于标签的（GH 4947）。
使用时间戳部分索引器进行多级索引时出现 bug（GH 4294）。
修复了构建全为 nan 的框架的 MultiIndex 测试/修复（GH 4078）。
修复了当表格中有逗号时，read_html()无法正确推断值的 bug（GH 5029）。
修复了read_html()未提供返回表格的稳定排序的 bug（GH 4770，GH 5029）。
修复了当传递index_col=0时，read_html()错误解析的 bug（GH 5066）。
修复了read_html()在错误推断标题类型的 bug（GH 5048）。
修复了DatetimeIndex与PeriodIndex连接导致堆栈溢出的 bug（GH 3899）。
修复了groupby对象不允许绘图的 bug（GH 5102）。
修复了groupby对象无法自动补全列名的 bug（GH 5102）。
修复了groupby.plot()及其相关函数多次复制图形的 bug（GH 5102）。
在fillna时提供了object类型的自动转换，相关（GH 5103）。
修复了默认选项在选项解析器清理中被覆盖的 bug（GH 5121）。
对于使用类似列表的iloc索引，将列表/ndarray 视为相同（GH 5006）。
修复了MultiIndex.get_level_values()中缺失值的 bug（GH 5074）。
修复了使用 datetime64 输入的 Timestamp()的边界检查（GH 4065）。
修复了TestReadHtml未调用正确的read_html()函数的 bug（GH 5150）。
修复了NDFrame.replace()中的一个 bug，使替换看起来好像（错误地）使用了正则表达式（GH 5143）。
为 to_datetime 修复更好的错误消息（GH 4928）。
确保在 travis-ci 上测试不同的区域设置（GH 4918）。还添加了一些用于获取区域设置和使用上下文管理器设置区域设置的实用程序。
修复了在isnull(MultiIndex)中的段错误（现在会引发错误）（GH 5123，GH 5125）。
在执行对齐操作时允许重复索引（GH 5185，GH 5639）。
构造函数中的复合 dtypes 引发NotImplementedError（GH 5191）。
比较重复框架中的 bug（GH 4421）相关。
在重复框架上的描述中存在 bug。
to_datetime中带有格式和coerce=True的 bug 未引发异常（GH 5195）。
在使用多个索引器和需要广播的 Series 的 rhs 的loc设置中存在 bug（GH 5206）。
修复了在MultiIndex上设置级别或标签时不会清除缓存的values属性，因此返回错误的values的 bug（[GH 5215](https://github.com/pandas-dev/pandas/issues/5215））。
修复了对分组的 DataFrame 或 Series 进行过滤时未保持原始顺序的 bug（GH 4621）。
修复了具有业务日期频率的Period始终向前滚动的 bug，如果在非工作日（GH 5203）。
修复了 Excel 写入器中具有重复列名的框架未正确写入的 bug（GH 5235）。
修复了在 Series 上具有非唯一索引时的drop问题（GH 5248）。
由于在文件中传递的名称多于列数而导致的 C 解析器中的段错误已修复（GH 5156）。
修复了Series.isin与日期/时间类型的 dtypes 一起使用的 bug（GH 5021）。
C 和 Python 解析器现在可以处理更常见的 MultiIndex 列格式，该格式没有索引名称的行。(GH 4702)
尝试将超出范围的日期用作对象 dtype 时出现 bug。(GH 5312)
尝试显示嵌入的 PandasObject 时出现 bug。(GH 5324)
允许操作时间戳以返回日期时间，如果结果超出范围则相关（GH 5312）
修复了initObjToJSON()的返回值/类型签名，以使其与 numpy 的import_array()兼容。(GH 5334, GH 5326)
在 DataFrame 上重命名然后设置索引时出现 bug。(GH 5344)
测试套件在测试图形时不再保留临时文件。(GH 5347)（感谢 @yarikoptic 发现这个问题！）
修复了 win32 上的 html 测试。(GH 4580)
确保head/tail是基于iloc的。(GH 5370)
修复了PeriodIndex字符串表示中存在 1 或 2 个元素时的 bug。(GH 5372)
GroupBy 方法transform和filter可用于具有重复（非唯一）索引的 Series 和 DataFrames。(GH 4620)
修复了空系列在 repr 中不打印名称的问题。(GH 4651)
确保测试默认在临时目录中创建临时文件。(GH 5419)
标量的pd.to_timedelta返回一个标量。(GH 5410)
pd.to_timedelta接受NaN和NaT，返回NaT而不是引发异常。(GH 5437)
在更大尺寸的 pandas 对象上isnull的性能改进
修复了各种 setitem 与 1d ndarray 不具有与索引器匹配长度的 bug。(GH 5508)
在 MultiIndex 和iloc中使用 getitem 时出现 bug。(GH 5528)
在 Series 上进行 delitem 时出现 bug。(GH 5542)
在使用自定义函数并且对象未被改变时，apply 中的 bug 修复。(GH 5545)
在使用loc从非唯一索引中选择时出现 bug。(GH 5553)
在用户函数返回None时，groupby 返回非一致类型的 bug。(GH 5592)
解决 numpy 1.7.0 中的回归问题，该问题错误地从ndarray.item引发 IndexError（GH 5666)
在具有非唯一索引的对象的重复索引中的错误（GH 5678）
在使用 Series 和传递的 series/dict 时 fillna 中的错误（GH 5703）
在具有类似日期时间的分组器的 groupby transform 中的错误（GH 5712）
在 PY3 中使用某些键时 MultiIndex 选择中的错误（GH 5725）
在某些情况下，不同 dtype 的行连接失败（GH 5754）

贡献者

总共有 77 人为这个版本贡献了补丁。名字后面带有“+”的人第一次贡献了补丁。

Agustín Herranz +
Alex Gaudio +
Alex Rothberg +
Andreas Klostermann +
Andreas Würl +
Andy Hayden
Ben Alex +
Benedikt Sauer +
Brad Buran
Caleb Epstein +
Chang She
Christopher Whelan
DSM +
Dale Jung +
Dan Birken
David Rasch +
Dieter Vandenbussche
Gabi Davar +
Garrett Drapala
Goyo +
Greg Reda +
Ivan Smirnov +
Jack Kelly +
Jacob Schaer +
Jan Schulz +
Jeff Tratner
Jeffrey Tratner
John McNamara +
John W. O’Brien +
Joris Van den Bossche
Justin Bozonier +
Kelsey Jordahl
Kevin Stone
Kieran O’Mahony
Kyle Hausmann +
Kyle Kelley +
Kyle Meyer
Mike Kelly
Mortada Mehyar +
Nick Foti +
Olivier Harris +
Ondřej Čertík +
PKEuS
Phillip Cloud
Pierre Haessig +
Richard T. Guy +
Roman Pekar +
Roy Hyunjin Han
Skipper Seabold
Sten +
Thomas A Caswell +
Thomas Kluyver
Tiago Requeijo +
TomAugspurger
Trent Hauck
Valentin Haenel +
Viktor Kerkez +
Vincent Arel-Bundock
Wes McKinney
Wes Turner +
Weston Renoud +
Yaroslav Halchenko
Zach Dwiel +
chapman siu +
chappers +
d10genes +
danielballan
daydreamt +
engstrom +
jreback
monicaBee +
prossahl +
rockg +
unutbu +
westurner +
y-p
zach powers

版本 0.12.0（2013 年 7 月 24 日）

原文：pandas.pydata.org/docs/whatsnew/v0.12.0.html

这是从 0.11.0 开始的一个重大发布，包括几个新功能和增强功能，以及大量的错误修复。

重点包括一致的 I/O API 命名方案，用于读取 html、将 MultiIndexes 写入 csv 文件、读取和写入 STATA 数据文件、读取和写入 JSON 格式文件的例程，Python 3 对 HDFStore 的支持，通过 filter 进行 groupby 表达式的过滤，以及接受正则表达式的经过改进的 replace 例程。

API 变更

现在 I/O API 与一组顶级 reader 函数更加一致，可以像 pd.read_csv() 一样访问，通常返回一个 pandas 对象。

read_csv

read_excel

read_hdf

read_sql

read_json

read_html

read_stata

read_clipboard

相应的 writer 函数是对象方法，可以像 df.to_csv() 一样访问。

to_csv

to_excel

to_hdf

to_sql

to_json

to_html

to_stata

to_clipboard

修复 Series、DataFrame 上的取模和整数除法，使其表现类似于 float dtypes，根据需要返回 np.nan 或 np.inf（GH 3590）。这修正了一个 numpy 的 bug，即将 integer 和 float dtypes 视为不同。
In [1]: p = pd.DataFrame({"first": [4, 5, 8], "second": [0, 0, 3]})

In [2]: p % 0
Out[2]: 
 first  second
0    NaN     NaN
1    NaN     NaN
2    NaN     NaN

In [3]: p % p
Out[3]: 
 first  second
0    0.0     NaN
1    0.0     NaN
2    0.0     0.0

In [4]: p / p
Out[4]: 
 first  second
0    1.0     NaN
1    1.0     NaN
2    1.0     1.0

In [5]: p / 0
Out[5]: 
 first  second
0    inf     NaN
1    inf     NaN
2    inf     inf 
向 groupby 添加 squeeze 关键字，以允许从 DataFrame -> Series 的缩减，如果组是唯一的话。这是从 0.10.1 开始的一个回归。我们正在恢复到之前的行为。这意味着 groupby 将返回相同形状的对象，无论组是否唯一。回滚此问题（GH 2893）与（GH 3596）。
In [2]: df2 = pd.DataFrame([{"val1": 1, "val2": 20},
 ...:                    {"val1": 1, "val2": 19},
 ...:                    {"val1": 1, "val2": 27},
 ...:                    {"val1": 1, "val2": 12}])

In [3]: def func(dataf):
 ...:    return dataf["val2"] - dataf["val2"].mean()
 ...:

In [4]: # squeezing the result frame to a series (because we have unique groups)
 ...: df2.groupby("val1", squeeze=True).apply(func)
Out[4]:
0    0.5
1   -0.5
2    7.5
3   -7.5
Name: 1, dtype: float64

In [5]: # no squeezing (the default, and behavior in 0.10.1)
 ...: df2.groupby("val1").apply(func)
Out[5]:
val2    0    1    2    3
val1
1     0.5 -0.5  7.5 -7.5 
使用基于标签的索引器掩码进行布尔索引时引发 iloc，例如，布尔 Series，即使具有整数标签，也会引发。由于 iloc 是纯粹基于位置的，因此 Series 上的标签是不可对齐的（GH 3631）
这种情况很少见，有很多替代方案。这保留了 iloc API 的纯基于位置的特性。
In [6]: df = pd.DataFrame(range(5), index=list("ABCDE"), columns=["a"])

In [7]: mask = df.a % 2 == 0

In [8]: mask
Out[8]: 
A     True
B    False
C     True
D    False
E     True
Name: a, dtype: bool

# this is what you should use
In [9]: df.loc[mask]
Out[9]: 
 a
A  0
C  2
E  4

# this will work as well
In [10]: df.iloc[mask.values]
Out[10]: 
 a
A  0
C  2
E  4 
df.iloc[mask] 将引发 ValueError
绘图函数的 raise_on_error 参数已移除。相反，当对象的 dtype 是 object 时，绘图函数会引发 TypeError，以提醒您尽量避免使用 object 数组，因此如果需要绘制某些内容，则应将其转换为适当的数值 dtype。

向 DataFrame 绘图方法添加 colormap 关键字。接受 matplotlib colormap 对象（例如，matplotlib.cm.jet）或此类对象的字符串名称（例如，'jet'）。对于每列，将从 colormap 中进行采样以选择颜色。请参阅 Colormaps 以获取更多信息。(GH 3860)

DataFrame.interpolate() 现在已被弃用。请改用 DataFrame.fillna() 和 DataFrame.replace()（GH 3582，GH 3675，GH 3676）

DataFrame.replace() 的 method 和 axis 参数已弃用

DataFrame.replace 的 infer_types 参数已删除，并且现在默认执行转换（GH 3907）

在 DataFrame.insert 中添加了关键字 allow_duplicates，如果为 True，则允许插入重复列，默认为 False（与 0.12 之前相同）（GH 3679）

为 NDFrame 对象实现 __nonzero__（GH 3691，GH 3696）

IO API
添加了顶层函数 read_excel 来替代以下内容，原始 API 已被弃用并将在将来的版本中删除
from pandas.io.parsers import ExcelFile

xls = ExcelFile("path_to_file.xls")
xls.parse("Sheet1", index_col=None, na_values=["NA"]) 
通过
import pandas as pd

pd.read_excel("path_to_file.xls", "Sheet1", index_col=None, na_values=["NA"]) 
添加了顶层函数 read_sql，它等效于以下内容
from pandas.io.sql import read_frame

read_frame(...) 
DataFrame.to_html 和 DataFrame.to_latex 现在接受路径作为它们的第一个参数（GH 3702）

不允许在 datetime64[ns] 上进行 astypes，除了转换为 object，以及在 timedelta64[ns] 上进行 astypes，转换为 object/int（GH 3425）

对于某些所谓的缩减操作，datetime64 类型的行为发生了变化（GH 3726）。现在，在 Series 上执行以下操作会引发 TypeError，在 DataFrame 上执行这些操作会返回一个空 Series，类似于在例如 slice 对象的 DataFrame 上执行这些操作：

sum、prod、mean、std、var、skew、kurt、corr 和 cov

read_html 在读取时现在默认为 None，当 lxml 无法解析时，将回退到 bs4 + html5lib。也可以尝试一系列解析器直到成功

内部 pandas 类层次结构已发生变化（轻微）。以前的 PandasObject 现在称为 PandasContainer，而新的 PandasObject 已成为 PandasContainer 以及 Index、Categorical、GroupBy、SparseList 和 SparseArray（及其基类）的基类。目前，PandasObject 提供字符串方法（来自 StringMixin）（GH 4090，GH 4092）

新的 StringMixin，给定一个 __unicode__ 方法，获得 Python 2 和 Python 3 兼容的字符串方法（__str__、__bytes__ 和 __repr__）。加上字符串安全性。现在在 pandas 库的许多地方使用。（GH 4090，GH 4092）

IO 增强

pd.read_html() 现在可以解析 HTML 字符串、文件或 URL 并返回 DataFrame，由 @cpcloud 提供。 (GH 3477, GH 3605, GH 3606, GH 3616)。它与一个单一解析器后端配合使用：BeautifulSoup4 + html5lib 查看文档
您可以使用 pd.read_html() 来读取从 DataFrame.to_html() 输出的内容，如下所示
In [11]: df = pd.DataFrame({"a": range(3), "b": list("abc")})

In [12]: print(df)
 a  b
0  0  a
1  1  b
2  2  c

In [13]: html = df.to_html()

In [14]: alist = pd.read_html(html, index_col=0)

In [15]: print(df == alist[0])
 a     b
0  True  True
1  True  True
2  True  True 
请注意，此处的 alist 是 Python 的 list，因此 pd.read_html() 和 DataFrame.to_html() 不是逆过程。

pd.read_html() 不再对日期字符串进行强制转换（GH 3656）。

警告

您可能需要安装旧版本的 BeautifulSoup4，查看安装文档
添加了用于读取和写入 Stata 文件的模块：pandas.io.stata（GH 1512）通过read_stata顶级函数进行读取，通过to_stataDataFrame 方法进行写入，查看文档

添加了用于读取和写入 json 格式文件的模块：pandas.io.json 通过 read_json 顶级函数进行读取，并通过 to_json DataFrame 方法进行写入，查看文档各种问题 (GH 1226, GH 3804, GH 3876, GH 3867, GH 1305)

读取和写入 csv 格式文件的 MultiIndex 列支持
read_csv 中的 header 选项现在接受要从中读取索引的行列表。

现在可以在 to_csv 和 read_csv 中指定选项 tupleize_cols，以提供对通过元组列表写入和读取 MultIndex 列的 0.12 版行为的兼容性。在 0.12 中的默认行为是写入元组列表并不将元组列表解释为 MultiIndex 列。

注意：0.12 版的默认行为与以前的版本保持不变，但从 0.13 开始，默认的写入和读取 MultiIndex 列的格式将是新的格式。 (GH 3571, GH 1651, GH 3141)

如果未指定 index_col（例如，您没有索引，或者使用 df.to_csv(..., index=False 写入了索引），则列索引上的任何 names 将丢失。
In [16]: mi_idx = pd.MultiIndex.from_arrays([[1, 2, 3, 4], list("abcd")], names=list("ab"))

In [17]: mi_col = pd.MultiIndex.from_arrays([[1, 2], list("ab")], names=list("cd"))

In [18]: df = pd.DataFrame(np.ones((4, 2)), index=mi_idx, columns=mi_col)

In [19]: df.to_csv("mi.csv")

In [20]: print(open("mi.csv").read())
c,,1,2
d,,a,b
a,b,,
1,a,1.0,1.0
2,b,1.0,1.0
3,c,1.0,1.0
4,d,1.0,1.0


In [21]: pd.read_csv("mi.csv", header=[0, 1, 2, 3], index_col=[0, 1])
Out[21]: 
c                    1                  2
d                    a                  b
a   Unnamed: 2_level_2 Unnamed: 3_level_2
1                  1.0                1.0
2 b                1.0                1.0
3 c                1.0                1.0
4 d                1.0                1.0 
对 Python3 的HDFStore（通过PyTables 3.0.0）的支持

通过 read_hdf 支持迭代器，当迭代完成时自动打开和关闭存储。这仅适用于 tables
In [25]: path = 'store_iterator.h5'

In [26]: pd.DataFrame(np.random.randn(10, 2)).to_hdf(path, 'df', table=True)

In [27]: for df in pd.read_hdf(path, 'df', chunksize=3):
 ....:    print(df)
 ....:
 0         1
0  0.713216 -0.778461
1 -0.661062  0.862877
2  0.344342  0.149565
 0         1
3 -0.626968 -0.875772
4 -0.930687 -0.218983
5  0.949965 -0.442354
 0         1
6 -0.402985  1.111358
7 -0.241527 -0.670477
8  0.049355  0.632633
 0         1
9 -1.502767 -1.225492 
当文件不包含任何列时，例如，所有换行符时，read_csv现在将抛出更具信息性的错误消息

其他增强功能

DataFrame.replace()现在允许在包含对象 dtype 的Series上使用正则表达式。请参阅常规文档中的示例部分通过字符串表达式替换
例如，你可以这样做
In [22]: df = pd.DataFrame({"a": list("ab.."), "b": [1, 2, 3, 4]})

In [23]: df.replace(regex=r"\s*\.\s*", value=np.nan)
Out[23]: 
 a  b
0    a  1
1    b  2
2  NaN  3
3  NaN  4 
将字符串'.'的所有出现替换为零个或多个周围空格的实例为NaN。

常规字符串替换仍然按预期工作。例如，你可以这样做
In [24]: df.replace(".", np.nan)
Out[24]: 
 a  b
0    a  1
1    b  2
2  NaN  3
3  NaN  4 
将字符串'.'的所有出现替换为NaN。
pd.melt()现在接受可选参数var_name和value_name，以指定返回的 DataFrame 的自定义列名。

pd.set_option()现在允许 N 个选项，值对(GH 3667)。
假设我们有一个选项'a.b'和另一个选项'b.c'。我们可以同时设置它们：
In [31]: pd.get_option('a.b')
Out[31]: 2

In [32]: pd.get_option('b.c')
Out[32]: 3

In [33]: pd.set_option('a.b', 1, 'b.c', 4)

In [34]: pd.get_option('a.b')
Out[34]: 1

In [35]: pd.get_option('b.c')
Out[35]: 4 
对于分组对象的filter方法返回原始对象的子集。假设我们只想取属于组总和大于 2 的组的元素。
In [25]: sf = pd.Series([1, 1, 2, 3, 3, 3])

In [26]: sf.groupby(sf).filter(lambda x: x.sum() > 2)
Out[26]: 
3    3
4    3
5    3
dtype: int64 
filter的参数必须是一个函数，应用于整个组，返回True或False。

另一个有用的操作是过滤出只属于只有几个成员的组的元素。
In [27]: dff = pd.DataFrame({"A": np.arange(8), "B": list("aabbbbcc")})

In [28]: dff.groupby("B").filter(lambda x: len(x) > 2)
Out[28]: 
 A  B
2  2  b
3  3  b
4  4  b
5  5  b 
或者，而不是丢弃有问题的组，我们可以返回一个类似索引的对象，其中未通过过滤器的组填充为 NaN。
In [29]: dff.groupby("B").filter(lambda x: len(x) > 2, dropna=False)
Out[29]: 
 A    B
0  NaN  NaN
1  NaN  NaN
2  2.0    b
3  3.0    b
4  4.0    b
5  5.0    b
6  NaN  NaN
7  NaN  NaN 
Series 和 DataFrame hist 方法现在接受figsize参数(GH 3834)

在连接操作期间，DatetimeIndexes 不再尝试转换混合整数索引(GH 3877)

Timestamp.min 和 Timestamp.max 现在表示有效的 Timestamp 实例，而不是默认的 datetime.min 和 datetime.max（分别），感谢@SleepingPills

当未找到表格且检测到 BeautifulSoup==4.2.0 时，read_html现在会引发异常(GH 4214)

实验性功能

添加了实验性的CustomBusinessDay类，以支持具有自定义假日日历和自定义周掩码的DateOffsets。(GH 2301)

注意

这使用了 Numpy 1.7 中引入的numpy.busdaycalendar API，因此需要 Numpy 1.7.0 或更新版本。

In [30]: from pandas.tseries.offsets import CustomBusinessDay

In [31]: from datetime import datetime

# As an interesting example, let's look at Egypt where
# a Friday-Saturday weekend is observed.
In [32]: weekmask_egypt = "Sun Mon Tue Wed Thu"

# They also observe International Workers' Day so let's
# add that for a couple of years
In [33]: holidays = ["2012-05-01", datetime(2013, 5, 1), np.datetime64("2014-05-01")]

In [34]: bday_egypt = CustomBusinessDay(holidays=holidays, weekmask=weekmask_egypt)

In [35]: dt = datetime(2013, 4, 30)

In [36]: print(dt + 2 * bday_egypt)
2013-05-05 00:00:00

In [37]: dts = pd.date_range(dt, periods=5, freq=bday_egypt)

In [38]: print(pd.Series(dts.weekday, dts).map(pd.Series("Mon Tue Wed Thu Fri Sat Sun".split())))
2013-04-30    Tue
2013-05-02    Thu
2013-05-05    Sun
2013-05-06    Mon
2013-05-07    Tue
Freq: C, dtype: object

Bug 修复

绘图函数现在在尝试绘制任何内容之前会引发TypeError，如果相关对象的dtype为object（GH 1818，GH 3572，GH 3911，GH 3912），但如果可能的话，它们将尝试将对象数组转换为数值数组，以便您仍然可以绘制，例如，具有浮点数的对象数组。这发生在任何绘图发生之前，消除了任何不必要的绘图显示。

如果value参数是列表或元组，则fillna方法现在��引发TypeError。

Series.str现在支持迭代（GH 3638）。您可以迭代Series中每个字符串的各个元素。每次迭代都会产生一个Series，原始Series的每个索引处要么是单个字符，要么是NaN。例如，
In [38]: strs = "go", "bow", "joe", "slow"

In [32]: ds = pd.Series(strs)

In [33]: for s in ds.str:
 ...:     print(s)

0    g
1    b
2    j
3    s
dtype: object
0    o
1    o
2    o
3    l
dtype: object
0    NaN
1      w
2      e
3      o
dtype: object
0    NaN
1    NaN
2    NaN
3      w
dtype: object

In [41]: s
Out[41]:
0    NaN
1    NaN
2    NaN
3      w
dtype: object

In [42]: s.dropna().values.item() == "w"
Out[42]: True 
迭代器产生的最后一个元素将是包含Series的Series，其中包含Series中最长字符串的最后一个元素，所有其他元素均为NaN。在这里，由于'slow'是最长的字符串，且没有其他长度相同的字符串，因此在生成的Series中，'w'是唯一的非空字符串。
HDFStore

将在重新创建时保留索引属性（freq，tz，name）（GH 3499）

如果尝试附加具有不同频率或不同名称的索引，则会发出AttributeConflictWarning警告

支持具有时区的日期列作为data_columns（GH 2852）

非唯一索引支持已澄清（GH 3468）。

修复将新索引分配给 DataFrame 中的重复索引将失败（GH 3468）

修复具有重复索引的 DataFrame 的构建

ref_locs支持允许跨数据类型重复索引，允许iget支持始终找到索引（即使跨数据类型）（GH 2194）

在具有非唯一索引的 DataFrame 上应用applymap现在可以正常工作（已删除警告）（GH 2786），并修复（GH 3230）

修复to_csv以处理非唯一列（GH 3495）

具有getitem的重复索引将按正确顺序返回项目（GH 3455，GH 3457），并处理缺失元素，如唯一索引（GH 3561）

具有重复索引且空 DataFrame.from_records 将返回正确的框架 (GH 3562)

修复了当跨数据类型存在重复时，Concat 产生非唯一列的问题 (GH 3602)

允许对非唯一列进行插入/删除 (GH 3679)

通过 loc 和相关方法修复了使用切片的非唯一索引 (GH 3659)

允许对非唯一列进行插入/删除 (GH 3679)

扩展 reindex 以正确处理非唯一索引 (GH 3679)

DataFrame.itertuples() 现在可以处理具有重复列名的框架 (GH 3873)

通过 iloc 进行非唯一索引的错误 (GH 4017); 为基于位置的获取添加了 takeable 参数

通过.ix/.loc和__getitem__允许在系列中进行非唯一索引 (GH 4246)

通过.ix/.loc修复了非唯一索引内存分配问题 (GH 4280)

DataFrame.from_records 不接受空的记录数组 (GH 3682)

read_html 现在正确跳过测试 (GH 3741)

修复了在 DataFrame.replace 中 to_replace 参数中使用编译的正则表达式时无效的 bug (GH 3907)

改进了 network 测试装饰器以捕获 IOError（因此也捕获了 URLError）。添加了 with_connectivity_check 装饰器，以允许显式检查网站作为查看网络连接性的代理。另外，为装饰器添加了新的 optional_args 工厂。 (GH 3910, GH 3914)

修复了测试问题，其中打开了太多的套接字，导致连接重置问题 (GH 3982, GH 3985, GH 4028, GH 4054)

修复了 test_yahoo、test_google 中失败的测试，其中未检索到符号但正在被访问 (GH 3982, GH 3985, GH 4028, GH 4054)

如果未传递当前环境的图形，则Series.hist 现在将获取图形

修复了 1xN DataFrame 在 1xN 掩码上出错的错误（GH 4071）

修复了在 python3 下运行tox时 pickle 导入被不兼容地重写的 bug（GH 4062, GH 4063）

修复了 sharex 和 sharey 未传递给 grouped_hist 的 bug（GH 4089）

修复了DataFrame.replace中当 regex=False 时未迭代嵌套字典的 bug（GH 4115）

修复了在to_datetime中使用format参数时微秒解析错误的 bug（GH 4152）

修复了PandasAutoDateLocator中invert_xaxis错误触发MilliSecondLocator的 bug（GH 3990）

修复了绘图中对于 matplotlib 1.1.1 无效颜色映射未引发异常的 bug（GH 4215）

修复了在DataFrame.plot(kind='kde')中显示图例的 bug（GH 4216）

修复了索引切片未携带名称属性的错误（GH 4226）

修复了在特定时区使用字符串数组初始化DatetimeIndex时的错误（GH 4229）

修复了 html5lib 未正确跳过的 bug（GH 4265）

修复了get_data_famafrench未使用正确文件边缘的错误（GH 4281）

查看完整发布说明或 GitHub 上的问题跟踪器获取完整列表。

贡献者

总共有 50 人为此版本贡献了补丁。名字后面带有“+”的人第一次贡献了补丁。

Andy Hayden
Chang She
Christopher Whelan
Damien Garaud
Dan Allan
Dan Birken
Dieter Vandenbussche
Dražen Lučanin
Gábor Lipták +
Jeff Mellen +
Jeff Tratner +
Jeffrey Tratner +
Jonathan deWerd +
Joris Van den Bossche +
Juraj Niznan +
Karmel Allison
Kelsey Jordahl
Kevin Stone +
Kieran O’Mahony
Kyle Meyer +
Mike Kelly +
PKEuS +
Patrick O’Brien +
Phillip Cloud
Richard Höchenberger +
Skipper Seabold
SleepingPills +
Tobias Brandt
Tom Farnbauer +
TomAugspurger +
Trent Hauck +
Wes McKinney
Wouter Overmeire
Yaroslav Halchenko
conmai +
danielballan +
davidshinn +
dieterv77
duozhang +
ejnens +
gliptak +
jniznan +
jreback
lexual
nipunreddevil +
ogiaquino +
stonebig +
tim smith +
timmie
y-p

API 更改

现在 I/O API 与一组顶级reader函数更加一致，可以像pd.read_csv()这样访问，通常返回一个pandas对象。

read_csv

read_excel

read_hdf

read_sql

read_json

read_html

read_stata

read_clipboard

相应的writer函数是作为对象方法访问的，如df.to_csv()

to_csv

to_excel

to_hdf

to_sql

to_json

to_html

to_stata

to_clipboard

修复 Series，DataFrames 上的模数和整数除法，使其类似于float dtypes 以返回适当的np.nan或np.inf（GH 3590）。这纠正了一个 numpy 处理integer和float dtypes 不同的 bug。
In [1]: p = pd.DataFrame({"first": [4, 5, 8], "second": [0, 0, 3]})

In [2]: p % 0
Out[2]: 
 first  second
0    NaN     NaN
1    NaN     NaN
2    NaN     NaN

In [3]: p % p
Out[3]: 
 first  second
0    0.0     NaN
1    0.0     NaN
2    0.0     0.0

In [4]: p / p
Out[4]: 
 first  second
0    1.0     NaN
1    1.0     NaN
2    1.0     1.0

In [5]: p / 0
Out[5]: 
 first  second
0    inf     NaN
1    inf     NaN
2    inf     inf 
向groupby添加squeeze关键字，以允许从 DataFrame -> Series 的减少，如果组是唯一的。这是从 0.10.1 开始的一个回归。我们正在恢复到以前的行为。这意味着 groupby 将返回相同形状的对象，无论组是否唯一。通过(GH 3596)撤销此问题(GH 2893)。
In [2]: df2 = pd.DataFrame([{"val1": 1, "val2": 20},
 ...:                    {"val1": 1, "val2": 19},
 ...:                    {"val1": 1, "val2": 27},
 ...:                    {"val1": 1, "val2": 12}])

In [3]: def func(dataf):
 ...:    return dataf["val2"] - dataf["val2"].mean()
 ...:

In [4]: # squeezing the result frame to a series (because we have unique groups)
 ...: df2.groupby("val1", squeeze=True).apply(func)
Out[4]:
0    0.5
1   -0.5
2    7.5
3   -7.5
Name: 1, dtype: float64

In [5]: # no squeezing (the default, and behavior in 0.10.1)
 ...: df2.groupby("val1").apply(func)
Out[5]:
val2    0    1    2    3
val1
1     0.5 -0.5  7.5 -7.5 
当使用基于标签的索引器掩码进行布尔索引时，例如布尔 Series，即使具有整数标签，也会在iloc上引发。由于iloc是纯粹基于位置的，Series 上的标签是不可对齐的（GH 3631）
这种情况很少见，而且有很多替代方案。这样做保留了iloc API 的纯粹基于位置的特性。
In [6]: df = pd.DataFrame(range(5), index=list("ABCDE"), columns=["a"])

In [7]: mask = df.a % 2 == 0

In [8]: mask
Out[8]: 
A     True
B    False
C     True
D    False
E     True
Name: a, dtype: bool

# this is what you should use
In [9]: df.loc[mask]
Out[9]: 
 a
A  0
C  2
E  4

# this will work as well
In [10]: df.iloc[mask.values]
Out[10]: 
 a
A  0
C  2
E  4 
df.iloc[mask]会引发ValueError
绘图函数的raise_on_error参数已移除。相反，当对象的dtype为object时，绘图函数会引发TypeError，以提醒您尽量避免object数组，如果需要绘制某些内容，则应将其转换为适当的数值 dtype。

向 DataFrame 绘图方法添加colormap关键字。接受 matplotlib colormap 对象（例如，matplotlib.cm.jet）或此类对象的字符串名称（例如，‘jet’）。对 colormap 进行采样以为每列选择颜色。请参阅 Colormaps 了解更多信息。(GH 3860)

DataFrame.interpolate()现在已弃用。请改用DataFrame.fillna()和DataFrame.replace()（GH 3582, GH 3675, GH 3676）

DataFrame.replace()的method和axis参数已废弃

DataFrame.replace的infer_types参数已移除，默认现在会执行转换（GH 3907）

向DataFrame.insert添加关键字allow_duplicates，如果为True，则允许插入重复列，默认为False（与 0.12 之前的行为相同）（GH 3679）

实现NDFrame对象的__nonzero__方法（GH 3691, GH 3696）

IO api
添加了顶层函数 read_excel 以替换以下操作，原始 API 已弃用，并将在将来的版本中删除
from pandas.io.parsers import ExcelFile

xls = ExcelFile("path_to_file.xls")
xls.parse("Sheet1", index_col=None, na_values=["NA"]) 
使用
import pandas as pd

pd.read_excel("path_to_file.xls", "Sheet1", index_col=None, na_values=["NA"]) 
添加了顶层函数 read_sql，等同于以下操作
from pandas.io.sql import read_frame

read_frame(...) 
DataFrame.to_html 和 DataFrame.to_latex 现在接受路径作为它们的第一个参数 (GH 3702)

不允许对 datetime64[ns] 执行除了到 object 的 astypes 外的操作，也不允许对 timedelta64[ns] 执行到 object/int 的操作 (GH 3425)

关于某些所谓的减少操作，datetime64 dtypes 的行为已更改 (GH 3726). 当在 Series 上执行以下操作时，现在会引发 TypeError，并在 DataFrame 上执行时返回一个空 Series，类似于在 slice 对象的 DataFrame 上执行这些操作：

sum、prod、mean、std、var、skew、kurt、corr 和 cov

read_html 现在在读取时默认为 None，当 lxml 解析失败时回退到 bs4 + html5lib。也可以尝试一系列解析器直到成功为止

内部的 pandas 类层次结构已经改变（略）。以前的 PandasObject 现在被称为 PandasContainer，而新的 PandasObject 已成为 PandasContainer 以及 Index、Categorical、GroupBy、SparseList 和 SparseArray（+它们的基类）的基类。当前，PandasObject 提供了字符串方法（来自 StringMixin）。 (GH 4090, GH 4092)

新的 StringMixin，给定一个 __unicode__ 方法，获取兼容 Python 2 和 Python 3 的字符串方法 (__str__, __bytes__, 和 __repr__)。加上整个 pandas 库中的字符串安全。现在在 pandas 库的许多地方都使用了它。 (GH 4090, GH 4092)

IO 增强

pd.read_html() 现在可以解析 HTML 字符串、文件或网址，并返回 DataFrames，感谢 @cpcloud。 (GH 3477, GH 3605, GH 3606, GH 3616). 它只与一个单一解析器后端兼容：BeautifulSoup4 + html5lib 查看文档
你可以使用 pd.read_html() 来读取 DataFrame.to_html() 的输出，就像这样
In [11]: df = pd.DataFrame({"a": range(3), "b": list("abc")})

In [12]: print(df)
 a  b
0  0  a
1  1  b
2  2  c

In [13]: html = df.to_html()

In [14]: alist = pd.read_html(html, index_col=0)

In [15]: print(df == alist[0])
 a     b
0  True  True
1  True  True
2  True  True 
注意这里的 alist 是一个 Python list，所以 pd.read_html() 和 DataFrame.to_html() 不是逆操作。

pd.read_html() 不再对日期字符串执行强制转换 (GH 3656).

警告

你可能需要安装一个较旧版本的 BeautifulSoup4，查看安装文档
添加了用于读写 Stata 文件的模块：pandas.io.stata(GH 1512)，可通过read_stata顶级函数进行读取，通过to_stata DataFrame 方法进行写入，查看文档

添加了用于读写 json 格式文件的模块：pandas.io.json，可通过read_json顶级函数进行读取，通过to_json DataFrame 方法进行写入，查看文档各种问题（GH 1226，GH 3804，GH 3876，GH 3867，GH 1305)

支持读写 csv 格式文件的MultiIndex列
read_csv中的header选项现在接受要读取索引的行列表

现在可以在to_csv和read_csv中指定tupleize_cols选项，以提供对通过元组列表写入和读取MultIndex列的 0.12 之前行为的兼容性。0.12 中的默认行为是写入元组列表，不将元组列表解释为MultiIndex列。

注意：0.12 版本中的默认行为与之前的版本保持不变，但从 0.13 开始，默认写入和读取MultiIndex列的格式将采用新格式。(GH 3571，GH 1651，GH 3141)

如果未指定index_col（例如，您没有索引，或者使用df.to_csv(..., index=False写入），则列索引上的任何names将丢失
In [16]: mi_idx = pd.MultiIndex.from_arrays([[1, 2, 3, 4], list("abcd")], names=list("ab"))

In [17]: mi_col = pd.MultiIndex.from_arrays([[1, 2], list("ab")], names=list("cd"))

In [18]: df = pd.DataFrame(np.ones((4, 2)), index=mi_idx, columns=mi_col)

In [19]: df.to_csv("mi.csv")

In [20]: print(open("mi.csv").read())
c,,1,2
d,,a,b
a,b,,
1,a,1.0,1.0
2,b,1.0,1.0
3,c,1.0,1.0
4,d,1.0,1.0


In [21]: pd.read_csv("mi.csv", header=[0, 1, 2, 3], index_col=[0, 1])
Out[21]: 
c                    1                  2
d                    a                  b
a   Unnamed: 2_level_2 Unnamed: 3_level_2
1                  1.0                1.0
2 b                1.0                1.0
3 c                1.0                1.0
4 d                1.0                1.0 
支持在 Python3 上通过PyTables 3.0.0实现对HDFStore的支持

通过read_hdf实现迭代器支持，当迭代完成时自动打开和关闭存储。这仅适用于表
In [25]: path = 'store_iterator.h5'

In [26]: pd.DataFrame(np.random.randn(10, 2)).to_hdf(path, 'df', table=True)

In [27]: for df in pd.read_hdf(path, 'df', chunksize=3):
 ....:    print(df)
 ....:
 0         1
0  0.713216 -0.778461
1 -0.661062  0.862877
2  0.344342  0.149565
 0         1
3 -0.626968 -0.875772
4 -0.930687 -0.218983
5  0.949965 -0.442354
 0         1
6 -0.402985  1.111358
7 -0.241527 -0.670477
8  0.049355  0.632633
 0         1
9 -1.502767 -1.225492 
当文件不包含任何列时，例如所有换行符时，read_csv现在将抛出更具信息性的错误消息

其他增强功能

DataFrame.replace()现在允许在包含对象 dtype 的Series上使用正则表达式。请参阅常规文档中的示例部分通过字符串表达式替换
例如，您可以执行
In [22]: df = pd.DataFrame({"a": list("ab.."), "b": [1, 2, 3, 4]})

In [23]: df.replace(regex=r"\s*\.\s*", value=np.nan)
Out[23]: 
 a  b
0    a  1
1    b  2
2  NaN  3
3  NaN  4 
将所有字符串'.'替换为零个或多个周围空格的实例为NaN

常规字符串替换仍然按预期工作。例如，您可以执行
In [24]: df.replace(".", np.nan)
Out[24]: 
 a  b
0    a  1
1    b  2
2  NaN  3
3  NaN  4 
将所有字符串'.'替换为NaN
pd.melt()现在接受可选参数var_name和value_name，以指定返回的 DataFrame 的自定义列名

pd.set_option()现在允许 N 个选项，值对(GH 3667)
假设我们有一个选项 'a.b' 和另一个选项 'b.c'。我们可以同时设置它们：
In [31]: pd.get_option('a.b')
Out[31]: 2

In [32]: pd.get_option('b.c')
Out[32]: 3

In [33]: pd.set_option('a.b', 1, 'b.c', 4)

In [34]: pd.get_option('a.b')
Out[34]: 1

In [35]: pd.get_option('b.c')
Out[35]: 4 
组对象的 filter 方法返回原始对象的子集。假设我们只想取属于具有总组和大于 2 的组的元素。
In [25]: sf = pd.Series([1, 1, 2, 3, 3, 3])

In [26]: sf.groupby(sf).filter(lambda x: x.sum() > 2)
Out[26]: 
3    3
4    3
5    3
dtype: int64 
filter 的参数必须是一个函数，该函数作用于整个组，返回 True 或 False。

另一个有用的操作是过滤掉属于仅有几个成员的组的元素。
In [27]: dff = pd.DataFrame({"A": np.arange(8), "B": list("aabbbbcc")})

In [28]: dff.groupby("B").filter(lambda x: len(x) > 2)
Out[28]: 
 A  B
2  2  b
3  3  b
4  4  b
5  5  b 
或者，我们可以返回一个类似索引的对象，其中未通过过滤器的组填充为 NaN。
In [29]: dff.groupby("B").filter(lambda x: len(x) > 2, dropna=False)
Out[29]: 
 A    B
0  NaN  NaN
1  NaN  NaN
2  2.0    b
3  3.0    b
4  4.0    b
5  5.0    b
6  NaN  NaN
7  NaN  NaN 
系列和数据框的 hist 方法现在接受一个 figsize 参数（GH 3834）

在连接操作期间，DatetimeIndexes 不再尝试转换混合整数索引（GH 3877）

Timestamp.min 和 Timestamp.max 现在代表有效的 Timestamp 实例，而不是默认的 datetime.min 和 datetime.max（分别），感谢 @SleepingPills

当未找到任何表格且检测到 BeautifulSoup==4.2.0 时，read_html 现在会引发异常（GH 4214）

实验性功能

添加了实验性的 CustomBusinessDay 类，支持具有自定义假日日历和自定义周掩码的 DateOffsets。（GH 2301）

注意

这使用了在 Numpy 1.7 中引入的 numpy.busdaycalendar API，因此需要 Numpy 1.7.0 或更新版本。

In [30]: from pandas.tseries.offsets import CustomBusinessDay

In [31]: from datetime import datetime

# As an interesting example, let's look at Egypt where
# a Friday-Saturday weekend is observed.
In [32]: weekmask_egypt = "Sun Mon Tue Wed Thu"

# They also observe International Workers' Day so let's
# add that for a couple of years
In [33]: holidays = ["2012-05-01", datetime(2013, 5, 1), np.datetime64("2014-05-01")]

In [34]: bday_egypt = CustomBusinessDay(holidays=holidays, weekmask=weekmask_egypt)

In [35]: dt = datetime(2013, 4, 30)

In [36]: print(dt + 2 * bday_egypt)
2013-05-05 00:00:00

In [37]: dts = pd.date_range(dt, periods=5, freq=bday_egypt)

In [38]: print(pd.Series(dts.weekday, dts).map(pd.Series("Mon Tue Wed Thu Fri Sat Sun".split())))
2013-04-30    Tue
2013-05-02    Thu
2013-05-05    Sun
2013-05-06    Mon
2013-05-07    Tue
Freq: C, dtype: object

错误修复

如果关联对象的 dtype 为 object，则绘图函数现在会在尝试绘制任何内容之前引发 TypeError（GH 1818, GH 3572, GH 3911, GH 3912），但如果可能的话，它们会尝试将对象数组转换为数字数组，以便您仍然可以绘制，例如，具有浮点数的对象数组。这在任何绘图发生之前发生，从而消除了任何错误绘图的可能性。

如果 value 参数是列表或元组，则 fillna 方法现在会引发 TypeError。

Series.str 现在支持迭代（GH 3638）。您可以迭代 Series 中每个字符串的各个元素。每次迭代都会产生一个 Series，原始 Series 中每个索引处要么是单个字符，要么是 NaN。例如，
In [38]: strs = "go", "bow", "joe", "slow"

In [32]: ds = pd.Series(strs)

In [33]: for s in ds.str:
 ...:     print(s)

0    g
1    b
2    j
3    s
dtype: object
0    o
1    o
2    o
3    l
dtype: object
0    NaN
1      w
2      e
3      o
dtype: object
0    NaN
1    NaN
2    NaN
3      w
dtype: object

In [41]: s
Out[41]:
0    NaN
1    NaN
2    NaN
3      w
dtype: object

In [42]: s.dropna().values.item() == "w"
Out[42]: True 
迭代器生成的最后一个元素将是一个 Series，其中包含 Series 中最长字符串的最后一个元素，所有其他元素都为 NaN。在这里，由于 'slow' 是最长的字符串，并且没有其他长度相同的字符串，因此 'w' 是生成的 Series 中唯一的非空字符串。
HDFStore

重新创建时将保留索引属性（freq，tz，name）（GH 3499）。

如果您尝试附加具有不同频率的索引，或者尝试附加具有不同名称的索引，将会发出AttributeConflictWarning警告。

支持具有时区的日期列作为 data_columns（GH 2852）。

澄清非唯一索引支持（GH 3468）。

修复将新索引分配给 DataFrame 中的重复索引会失败的问题（GH 3468）。

修复使用重复索引构建 DataFrame 的问题。

ref_locs 支持允许在不同数据类型之间具有重复索引，允许 iget 支持始终找到索引（即使在不同数据类型之间）（GH 2194）。

在具有非唯一索引的 DataFrame 上应用 applymap 现在可以正常工作（已删除警告）（GH 2786），并修复（GH 3230）。

修复 to_csv 处理非唯一列的问题（GH 3495）。

具有 getitem 的重复索引将按正确顺序返回项目（GH 3455，GH 3457），并处理缺失元素，如唯一索引（GH 3561）。

具有重复索引的空 DataFrame.from_records 将返回一个正确的框架（GH 3562）。

修复当重复跨数据类型时产生非唯一列的 Concat 问题（GH 3602）。

允许对非唯一列进行插入/删除操作（GH 3679）。

通过loc和相关方法修复使用切片进行非唯一索引的问题（GH 3659）。

允许对非唯一列进行插入/删除操作（GH 3679）。

扩展reindex以正确处理非唯一索引（GH 3679）。

DataFrame.itertuples()现在可以处理具有重复列名的框架（GH 3873）。

通过iloc进行非唯一索引的 bug 修复（[GH 4017](https://github.com/pandas-dev/pandas/issues/4017）；为reindex添加了takeable参数以进行基于位置的取值。

通过.ix/.loc和__getitem__在系列中允许非唯一索引（GH 4246）。

修复使用.ix/.loc进行非唯一索引的内存分配问题（GH 4280）。

DataFrame.from_records不接受空 recarrays（GH 3682）。

read_html 现在正确跳过测试了 (GH 3741)

修复了使用 DataFrame.replace 中编译的正则表达式在 to_replace 参数中不起作用的 bug (GH 3907)

改进了 network 测试修饰符以捕获 IOError（因此也是 URLError）。添加了 with_connectivity_check 修饰符，允许显式检查网站作为检查网络连接性的代理。此外，为修饰符添加了新的 optional_args 修饰符工厂 (GH 3910, GH 3914)

修复了测试问题，其中打开了太多的套接字，导致连接重置问题 (GH 3982, GH 3985, GH 4028, GH 4054)

修复了 test_yahoo、test_google 中的测试失败问题，其中未检索到符号但正在访问 (GH 3982, GH 3985, GH 4028, GH 4054)

Series.hist 现在会在当前环境中获取图形（如果未传递）

修复了 1xN DataFrame 在 1xN 掩码上报错的 bug (GH 4071)

修复了在 python3 下运行 tox 时，pickle 导入以不兼容的方式重写的 bug (GH 4062, GH 4063)

修复了未传递 sharex 和 sharey 到 grouped_hist 中的 bug (GH 4089)

修复了 DataFrame.replace 中的 bug，其中嵌套字典在 regex=False 时未被迭代 (GH 4115)

修复了在使用 to_datetime 中的 format 参数时微秒解析的 bug (GH 4152)

修复了 PandasAutoDateLocator 中的 bug，其中 invert_xaxis 错误地触发了 MilliSecondLocator (GH 3990)

修复了绘图中无效色图未触发异常的 bug (GH 4215)

修复了在 DataFrame.plot(kind='kde') 中显示图例的问题 (GH 4216)

修复了索引切片没有携带 name 属性的 bug (GH 4226)

修复了在特定时区中使用字符串数组初始化 DatetimeIndex 中的 bug (GH 4229)

修复了 html5lib 没有被正确跳过的 bug（GH 4265）

修复了 get_data_famafrench 没有使用正确文件边缘的 bug（GH 4281）

查看完整的发行说明或 GitHub 上的问题跟踪器获取完整列表。

贡献者

总共有 50 人为这个版本提供了补丁。名字后面带有“+”的人是第一次贡献补丁的。

Andy Hayden
Chang She
Christopher Whelan
Damien Garaud
Dan Allan
Dan Birken
Dieter Vandenbussche
Dražen Lučanin
Gábor Lipták +
Jeff Mellen +
Jeff Tratner +
Jeffrey Tratner +
Jonathan deWerd +
Joris Van den Bossche +
Juraj Niznan +
Karmel Allison
Kelsey Jordahl
Kevin Stone +
Kieran O’Mahony
Kyle Meyer +
Mike Kelly +
PKEuS +
Patrick O’Brien +
Phillip Cloud
Richard Höchenberger +
Skipper Seabold
SleepingPills +
Tobias Brandt
Tom Farnbauer +
TomAugspurger +
Trent Hauck +
Wes McKinney
Wouter Overmeire
Yaroslav Halchenko
conmai +
danielballan +
davidshinn +
dieterv77
duozhang +
ejnens +
gliptak +
jniznan +
jreback
lexual
nipunreddevil +
ogiaquino +
stonebig +
tim smith +
timmie
y-p

版本 0.11.0（2013 年 4 月 22 日）

原文：pandas.pydata.org/docs/whatsnew/v0.11.0.html

这是从 0.10.1 版本开始的一个重要发布，其中包括许多新功能和增强功能，以及大量的错误修复。选择数据的方法已经增加了很多内容，Dtype 支持现在已经成熟。还有一些重要的 API 更改，长期使用 pandas 的用户应该密切关注。

文档中有一个新的部分，10 分钟入门 Pandas，主要面向新用户。

文档中有一个新的部分，食谱，其中包含 pandas 中的一些有用的配方（我们欢迎贡献！）。

现在有几个库是推荐依赖项

选择选项

从 0.11.0 开始，对象选择已经增加了一些用户请求的内容，以支持更明确的基于位置的索引。pandas 现在支持三种类型的多轴索引。

.loc 是严格基于标签的，当项目未找到时会引发 KeyError，允许的输入为：
- 一个单独的标签，例如 5 或 'a'，（请注意，5 被解释为索引的标签。此用法不是索引上的整数位置）
- 一个标签列表或数组 ['a', 'b', 'c']
- 一个带有标签 'a':'f' 的切片对象（请注意，与通常的 python 切片相反，开始和停止都包含在内！）
- 一个布尔数组
查看更多内容，请访问按标签选择
.iloc 是严格基于整数位置的（从轴的 0 到 length-1），当请求的索引超出范围时会引发 IndexError。允许的输入为：
- 一个整数，例如 5
- 一个整数列表或数组 [4, 3, 0]
- 一个带有整数的切片对象 1:7
- 一个布尔数组
查看更多内容，请访问按位置选择
.ix 支持混合整数和标签访问。它主要是基于标签的，但会回退到整数位置访问。.ix 是最通用的，将支持 .loc 和 .iloc 的任何输入，以及对浮点标签方案的支持。.ix 在处理混合位置和基于标签的分层索引时特别有用。

由于使用带有 .ix 的整数切片取决于切片是被解释为基于位置还是基于标签的不同行为，因此最好是明确使用 .iloc 或 .loc。

查看更多内容，请访问高级索引和高级分层。

选择弃用

从版本 0.11.0 开始，这些方法可能会在未来版本中被弃用。

irow
icol
iget_value

请参阅按位置选择一节以获取替代方案。

Dtypes

数值数据类型将传播并可以共存于 DataFrame 中。如果传递了数据类型（可以直接通过 dtype 关键字、传递的 ndarray 或传递的 Series），则在 DataFrame 操作中将保留该数据类型。此外，不同的数值数据类型将不会被合并。以下示例将让您一窥其中。

In [1]: df1 = pd.DataFrame(np.random.randn(8, 1), columns=['A'], dtype='float32')

In [2]: df1
Out[2]: 
 A
0  0.469112
1 -0.282863
2 -1.509058
3 -1.135632
4  1.212112
5 -0.173215
6  0.119209
7 -1.044236

In [3]: df1.dtypes
Out[3]: 
A    float32
dtype: object

In [4]: df2 = pd.DataFrame({'A': pd.Series(np.random.randn(8), dtype='float16'),
 ...:                    'B': pd.Series(np.random.randn(8)),
 ...:                    'C': pd.Series(range(8), dtype='uint8')})
 ...: 

In [5]: df2
Out[5]: 
 A         B  C
0 -0.861816 -0.424972  0
1 -2.105469  0.567020  1
2 -0.494873  0.276232  2
3  1.072266 -1.087401  3
4  0.721680 -0.673690  4
5 -0.706543  0.113648  5
6 -1.040039 -1.478427  6
7  0.271973  0.524988  7

In [6]: df2.dtypes
Out[6]: 
A    float16
B    float64
C      uint8
dtype: object

# here you get some upcasting
In [7]: df3 = df1.reindex_like(df2).fillna(value=0.0) + df2

In [8]: df3
Out[8]: 
 A         B    C
0 -0.392704 -0.424972  0.0
1 -2.388332  0.567020  1.0
2 -2.003932  0.276232  2.0
3 -0.063367 -1.087401  3.0
4  1.933792 -0.673690  4.0
5 -0.879758  0.113648  5.0
6 -0.920830 -1.478427  6.0
7 -0.772263  0.524988  7.0

In [9]: df3.dtypes
Out[9]: 
A    float32
B    float64
C    float64
dtype: object

Dtype 转换

这是较低的公共分母向上转换，意味着您会得到可以容纳所有类型的数据类型

In [10]: df3.values.dtype
Out[10]: dtype('float64')

转换

In [11]: df3.astype('float32').dtypes
Out[11]: 
A    float32
B    float32
C    float32
dtype: object

混合转换

In [12]: df3['D'] = '1.'

In [13]: df3['E'] = '1'

In [14]: df3.convert_objects(convert_numeric=True).dtypes
Out[14]:
A    float32
B    float64
C    float64
D    float64
E      int64
dtype: object

# same, but specific dtype conversion
In [15]: df3['D'] = df3['D'].astype('float16')

In [16]: df3['E'] = df3['E'].astype('int32')

In [17]: df3.dtypes
Out[17]:
A    float32
B    float64
C    float64
D    float16
E      int32
dtype: object

强制日期强制转换（并在不是日期类型时设置 NaT）

In [18]: import datetime

In [19]: s = pd.Series([datetime.datetime(2001, 1, 1, 0, 0), 'foo', 1.0, 1,
 ....:               pd.Timestamp('20010104'), '20010105'], dtype='O')
 ....:

In [20]: s.convert_objects(convert_dates='coerce')
Out[20]:
0   2001-01-01
1          NaT
2          NaT
3          NaT
4   2001-01-04
5   2001-01-05
dtype: datetime64[ns]

数据类型陷阱

平台陷阱

从 0.11.0 开始，构建 DataFrame/Series 将使用 int64 和 float64 的默认数据类型，不受平台影响。这与 pandas 早期版本没有明显变化。如果指定了数据类型，它们将被尊重，但是（GH 2837）

以下都将导致 int64 数据类型

In [21]: pd.DataFrame([1, 2], columns=['a']).dtypes
Out[21]:
a    int64
dtype: object

In [22]: pd.DataFrame({'a': [1, 2]}).dtypes
Out[22]:
a    int64
dtype: object

In [23]: pd.DataFrame({'a': 1}, index=range(2)).dtypes
Out[23]:
a    int64
dtype: object

请记住，在 32 位平台上，DataFrame(np.array([1,2])) 将导致 int32！

向上转换的陷阱

在整数类型数据上执行索引操作可能会轻松向上转换数据。在不引入 nans 的情况下，输入数据的数据类型将被保留。

In [24]: dfi = df3.astype('int32')

In [25]: dfi['D'] = dfi['D'].astype('int64')

In [26]: dfi
Out[26]:
 A  B  C  D  E
0  0  0  0  1  1
1 -2  0  1  1  1
2 -2  0  2  1  1
3  0 -1  3  1  1
4  1  0  4  1  1
5  0  0  5  1  1
6  0 -1  6  1  1
7  0  0  7  1  1

In [27]: dfi.dtypes
Out[27]:
A    int32
B    int32
C    int32
D    int64
E    int32
dtype: object

In [28]: casted = dfi[dfi > 0]

In [29]: casted
Out[29]:
 A   B    C  D  E
0  NaN NaN  NaN  1  1
1  NaN NaN  1.0  1  1
2  NaN NaN  2.0  1  1
3  NaN NaN  3.0  1  1
4  1.0 NaN  4.0  1  1
5  NaN NaN  5.0  1  1
6  NaN NaN  6.0  1  1
7  NaN NaN  7.0  1  1

In [30]: casted.dtypes
Out[30]:
A    float64
B    float64
C    float64
D      int64
E      int32
dtype: object

浮点数数据类型不变。

In [31]: df4 = df3.copy()

In [32]: df4['A'] = df4['A'].astype('float32')

In [33]: df4.dtypes
Out[33]:
A    float32
B    float64
C    float64
D    float16
E      int32
dtype: object

In [34]: casted = df4[df4 > 0]

In [35]: casted
Out[35]:
 A         B    C    D  E
0       NaN       NaN  NaN  1.0  1
1       NaN  0.567020  1.0  1.0  1
2       NaN  0.276232  2.0  1.0  1
3       NaN       NaN  3.0  1.0  1
4  1.933792       NaN  4.0  1.0  1
5       NaN  0.113648  5.0  1.0  1
6       NaN       NaN  6.0  1.0  1
7       NaN  0.524988  7.0  1.0  1

In [36]: casted.dtypes
Out[36]:
A    float32
B    float64
C    float64
D    float16
E      int32
dtype: object

日期时间转换

DataFrame（或 Series）中的 Datetime64[ns] 列允许使用 np.nan 表示 nan 值，除了传统的 NaT 或非时间值。这允许以通用方式设置 nan。此外，当传递日期时间对象时，默认创建 datetime64[ns] 列（此更改是在 0.10.1 中引入的）（GH 2809，GH 2810）

In [12]: df = pd.DataFrame(np.random.randn(6, 2), pd.date_range('20010102', periods=6),
 ....:                  columns=['A', ' B'])
 ....: 

In [13]: df['timestamp'] = pd.Timestamp('20010103')

In [14]: df
Out[14]: 
 A         B  timestamp
2001-01-02  0.404705  0.577046 2001-01-03
2001-01-03 -1.715002 -1.039268 2001-01-03
2001-01-04 -0.370647 -1.157892 2001-01-03
2001-01-05 -1.344312  0.844885 2001-01-03
2001-01-06  1.075770 -0.109050 2001-01-03
2001-01-07  1.643563 -1.469388 2001-01-03

# datetime64[ns] out of the box
In [15]: df.dtypes.value_counts()
Out[15]: 
float64          2
datetime64[s]    1
Name: count, dtype: int64

# use the traditional nan, which is mapped to NaT internally
In [16]: df.loc[df.index[2:4], ['A', 'timestamp']] = np.nan

In [17]: df
Out[17]: 
 A         B  timestamp
2001-01-02  0.404705  0.577046 2001-01-03
2001-01-03 -1.715002 -1.039268 2001-01-03
2001-01-04       NaN -1.157892        NaT
2001-01-05       NaN  0.844885        NaT
2001-01-06  1.075770 -0.109050 2001-01-03
2001-01-07  1.643563 -1.469388 2001-01-03

将 datetime64[ns] 转换为 object 的 Astype 转换，会将 NaT 隐式转换为 np.nan

In [18]: import datetime

In [19]: s = pd.Series([datetime.datetime(2001, 1, 2, 0, 0) for i in range(3)])

In [20]: s.dtype
Out[20]: dtype('<M8[ns]')

In [21]: s[1] = np.nan

In [22]: s
Out[22]: 
0   2001-01-02
1          NaT
2   2001-01-02
dtype: datetime64[ns]

In [23]: s.dtype
Out[23]: dtype('<M8[ns]')

In [24]: s = s.astype('O')

In [25]: s
Out[25]: 
0    2001-01-02 00:00:00
1                    NaT
2    2001-01-02 00:00:00
dtype: object

In [26]: s.dtype
Out[26]: dtype('O')

API 变更

在索引中添加了 to_series() 方法，以便于创建索引器（GH 3275）

HDFStore

添加了 select_column 方法，用于从表中选择单列作为 Series。

废弃了 unique 方法，可以通过 select_column(key,column).unique() 复制

append 的 min_itemsize 参数现在会自动为传递的键创建 data_columns

增强功能

在某些情况下，通过最多��高 10 倍来改进 df.to_csv() 的性能。(GH 3059)

Numexpr 现在是推荐依赖项，用于加速某些类型的数值和布尔操作

Bottleneck 现在是推荐依赖项，用于加速某些类型的 nan 操作

HDFStore
支持类似于 read_csv/to_csv 的 read_hdf/to_hdf API
In [27]: df = pd.DataFrame({'A': range(5), 'B': range(5)})

In [28]: df.to_hdf('store.h5', key='table', append=True)

In [29]: pd.read_hdf('store.h5', 'table', where=['index > 2'])
Out[29]: 
 A  B
3  3  3
4  4  4 
为 get 方法提供点属性访问，例如 store.df == store['df']

提供了新关键字iterator=boolean和chunksize=number_in_a_chunk，以支持在select和select_as_multiple上进行迭代（GH 3076）。
现在可以从无序时间序列中选择时间戳，类似于有序时间序列（GH 2437）。

现在可以从具有日期索引的 DataFrame 中使用字符串进行选择，类似于 Series（GH 3070）。
In [30]: idx = pd.date_range("2001-10-1", periods=5, freq='M')

In [31]: ts = pd.Series(np.random.rand(len(idx)), index=idx)

In [32]: ts['2001']
Out[32]:
2001-10-31    0.117967
2001-11-30    0.702184
2001-12-31    0.414034
Freq: M, dtype: float64

In [33]: df = pd.DataFrame({'A': ts})

In [34]: df['2001']
Out[34]:
 A
2001-10-31  0.117967
2001-11-30  0.702184
2001-12-31  0.414034 
Squeeze可能会从对象中删除长度为 1 的维度。
>>> p = pd.Panel(np.random.randn(3, 4, 4), items=['ItemA', 'ItemB', 'ItemC'],
...              major_axis=pd.date_range('20010102', periods=4),
...              minor_axis=['A', 'B', 'C', 'D'])
>>> p
<class 'pandas.core.panel.Panel'>
Dimensions: 3 (items) x 4 (major_axis) x 4 (minor_axis)
Items axis: ItemA to ItemC
Major_axis axis: 2001-01-02 00:00:00 to 2001-01-05 00:00:00
Minor_axis axis: A to D

>>> p.reindex(items=['ItemA']).squeeze()
 A         B         C         D
2001-01-02  0.926089 -2.026458  0.501277 -0.204683
2001-01-03 -0.076524  1.081161  1.141361  0.479243
2001-01-04  0.641817 -0.185352  1.824568  0.809152
2001-01-05  0.575237  0.669934  1.398014 -0.399338

>>> p.reindex(items=['ItemA'], minor=['B']).squeeze()
2001-01-02   -2.026458
2001-01-03    1.081161
2001-01-04   -0.185352
2001-01-05    0.669934
Freq: D, Name: B, dtype: float64 
在pd.io.data.Options中，

修复了在已过期时尝试获取当前月份数据时出现的错误。

现在使用 lxml 来解析 html，而不是 BeautifulSoup（lxml 更快）。

当调用创建它们的方法时，会自动创建用于认购和认沽的新实例变量。这适用于当前月份，其中实例变量简单地是calls和puts。也适用于未来到期月份，并将实例变量保存为callsMMYY或putsMMYY，其中MMYY分别是期权到期的月份和年份。

Options.get_near_stock_price现在允许用户指定要获取相关期权数据的月份。

Options.get_forward_data现在具有可选的 kwargsnear和above_below。这允许用户指定是否只返回接近当前股价的期权的前瞻数据。这只是从 Options.get_near_stock_price 获取数据，而不是 Options.get_xxx_data()（GH 2758）。

时间序列图中现在显示光标坐标信息。

添加了选项display.max_seq_items来控制每个序列打印的元素数量。(GH 2979)

添加了选项display.chop_threshold来控制显示小数值的显示。(GH 2739)

添加了选项display.max_info_rows，以防止为超过 100 万行的框架计算 verbose_info（可配置）。(GH 2807, GH 2918)

value_counts()现在接受“normalize”参数，用于规范化直方图（GH 2710）。

DataFrame.from_records 现在不仅接受字典，还接受任何 collections.Mapping ABC 的实例。

添加了选项display.mpl_style，为图表提供更加时尚的视觉风格。基于gist.github.com/huyng/816622（GH 3075）。

将布尔值视为整数（值为 1 和 0）进行数值运算。(GH 2641)

to_html()现在接受一个可选的“escape”参数来控制保留的 HTML 字符转义（默认启用），并转义&，除了<和>。(GH 2919)

查看完整的发布说明或 GitHub 上的问题跟踪器以获取完整列表。

贡献者

总共有 50 人为这个版本贡献了补丁。名字后面带有“+”的人第一次贡献了补丁。

Adam Greenhall +
Alvaro Tejero-Cantero +
Andy Hayden
Brad Buran +
Chang She
Chapman Siu +
Chris Withers +
Christian Geier +
Christopher Whelan
Damien Garaud
Dan Birken
Dan Davison +
Dieter Vandenbussche
Dražen Lučanin +
Dražen Lučanin +
Garrett Drapala
Illia Polosukhin +
James Casbon +
Jeff Reback
Jeremy Wagner +
Jonathan Chambers +
K.-Michael Aye
Karmel Allison +
Loïc Estève +
Nicholaus E. Halecky +
Peter Prettenhofer +
Phillip Cloud +
Robert Gieseke +
Skipper Seabold
Spencer Lyon
Stephen Lin +
Thierry Moisan +
Thomas Kluyver
Tim Akinbo +
Vytautas Jancauskas
Vytautas Jančauskas +
Wes McKinney
Will Furnass +
Wouter Overmeire
anomrake +
davidjameshumphreys +
dengemann +
dieterv77 +
jreback
lexual +
stephenwlin +
thauck +
vytas +
waitingkuo +
y-p

选择选项

从 0.11.0 开始，对象选择已经增加了许多用户请求的内容，以支持更明确的基于位置的索引。pandas 现在支持三种类型的多轴索引。

.loc严格基于标签，当未找到项目时会引发KeyError，允许的输入有：
- 一个单个标签，例如5或'a'，（请注意，5被解释为索引的标签。这种用法不是索引上的整数位置）
- 一个标签列表或数组['a', 'b', 'c']
- 一个带有标签'a':'f'的切片对象，（请注意，与通常的 python 切片相反，开始和停止都包括在内！）
- 一个布尔数组
查看更多内容请访问按标签选择
.iloc严格基于整数位置（从轴的0到length-1），当请求的索引超出范围时会引发IndexError。允许的输入有：
- 一个整数，例如5
- 一个整数列表或数组[4, 3, 0]
- 一个带有整数1:7的切片对象
- 一个布尔数组
查看更多内容请访问按位置选择
.ix支持混合整数和基于标签的访问。它主要是基于标签的，但会回退到整数位置访问。.ix是最通用的，将支持任何输入到.loc和.iloc的输入，以及对浮点标签方案的支持。在处理混合位置和基于标签的分层索引时，.ix特别有用。

由于使用.ix与整数切片的行为取决于切片是基于位置还是基于标签解释的，通常最好明确使用.iloc或.loc。

在高级索引和高级层次化中查看更多信息。

选择的过时功能

从版本 0.11.0 开始，这些方法可能在未来的版本中被弃用。

irow
icol
iget_value

请参阅按位置选择部分以获取替代方法。

Dtype

数值 dtype 将会传播，并且可以在 DataFrame 中共存。如果传递了 dtype（可以直接通过 dtype 关键字，通过传递的 ndarray，或传递的 Series），则它将在 DataFrame 操作中被保留。此外，不同的数值 dtype 将不会被合并。以下示例会让你领略一番。

In [1]: df1 = pd.DataFrame(np.random.randn(8, 1), columns=['A'], dtype='float32')

In [2]: df1
Out[2]: 
 A
0  0.469112
1 -0.282863
2 -1.509058
3 -1.135632
4  1.212112
5 -0.173215
6  0.119209
7 -1.044236

In [3]: df1.dtypes
Out[3]: 
A    float32
dtype: object

In [4]: df2 = pd.DataFrame({'A': pd.Series(np.random.randn(8), dtype='float16'),
 ...:                    'B': pd.Series(np.random.randn(8)),
 ...:                    'C': pd.Series(range(8), dtype='uint8')})
 ...: 

In [5]: df2
Out[5]: 
 A         B  C
0 -0.861816 -0.424972  0
1 -2.105469  0.567020  1
2 -0.494873  0.276232  2
3  1.072266 -1.087401  3
4  0.721680 -0.673690  4
5 -0.706543  0.113648  5
6 -1.040039 -1.478427  6
7  0.271973  0.524988  7

In [6]: df2.dtypes
Out[6]: 
A    float16
B    float64
C      uint8
dtype: object

# here you get some upcasting
In [7]: df3 = df1.reindex_like(df2).fillna(value=0.0) + df2

In [8]: df3
Out[8]: 
 A         B    C
0 -0.392704 -0.424972  0.0
1 -2.388332  0.567020  1.0
2 -2.003932  0.276232  2.0
3 -0.063367 -1.087401  3.0
4  1.933792 -0.673690  4.0
5 -0.879758  0.113648  5.0
6 -0.920830 -1.478427  6.0
7 -0.772263  0.524988  7.0

In [9]: df3.dtypes
Out[9]: 
A    float32
B    float64
C    float64
dtype: object

Dtype 转换

这是较低的公共分母向上转换，意味着你会得到能够容纳所有类型的 dtype

In [10]: df3.values.dtype
Out[10]: dtype('float64')

转换

In [11]: df3.astype('float32').dtypes
Out[11]: 
A    float32
B    float32
C    float32
dtype: object

混合转换

In [12]: df3['D'] = '1.'

In [13]: df3['E'] = '1'

In [14]: df3.convert_objects(convert_numeric=True).dtypes
Out[14]:
A    float32
B    float64
C    float64
D    float64
E      int64
dtype: object

# same, but specific dtype conversion
In [15]: df3['D'] = df3['D'].astype('float16')

In [16]: df3['E'] = df3['E'].astype('int32')

In [17]: df3.dtypes
Out[17]:
A    float32
B    float64
C    float64
D    float16
E      int32
dtype: object

强制日期转换（并在不是日期类型时设置 NaT）

In [18]: import datetime

In [19]: s = pd.Series([datetime.datetime(2001, 1, 1, 0, 0), 'foo', 1.0, 1,
 ....:               pd.Timestamp('20010104'), '20010105'], dtype='O')
 ....:

In [20]: s.convert_objects(convert_dates='coerce')
Out[20]:
0   2001-01-01
1          NaT
2          NaT
3          NaT
4   2001-01-04
5   2001-01-05
dtype: datetime64[ns]

Dtype 的注意事项

平台的注意事项

从 0.11.0 开始，DataFrame/Series 的构建将使用 int64 和 float64 的默认 dtype，不管平台如何。这与 pandas 的早期版本没有明显变化。如果指定了 dtype，则它们将被尊重，但是（GH 2837）

以下都将导致 int64 dtype

In [21]: pd.DataFrame([1, 2], columns=['a']).dtypes
Out[21]:
a    int64
dtype: object

In [22]: pd.DataFrame({'a': [1, 2]}).dtypes
Out[22]:
a    int64
dtype: object

In [23]: pd.DataFrame({'a': 1}, index=range(2)).dtypes
Out[23]:
a    int64
dtype: object

请记住，DataFrame(np.array([1,2])) 将在 32 位平台上导致 int32！

向上转换的注意事项

在整数类型数据上执行索引操作很容易将数据向上转换。在未引入 nans 的情况下，输入数据的 dtype 将被保留。

In [24]: dfi = df3.astype('int32')

In [25]: dfi['D'] = dfi['D'].astype('int64')

In [26]: dfi
Out[26]:
 A  B  C  D  E
0  0  0  0  1  1
1 -2  0  1  1  1
2 -2  0  2  1  1
3  0 -1  3  1  1
4  1  0  4  1  1
5  0  0  5  1  1
6  0 -1  6  1  1
7  0  0  7  1  1

In [27]: dfi.dtypes
Out[27]:
A    int32
B    int32
C    int32
D    int64
E    int32
dtype: object

In [28]: casted = dfi[dfi > 0]

In [29]: casted
Out[29]:
 A   B    C  D  E
0  NaN NaN  NaN  1  1
1  NaN NaN  1.0  1  1
2  NaN NaN  2.0  1  1
3  NaN NaN  3.0  1  1
4  1.0 NaN  4.0  1  1
5  NaN NaN  5.0  1  1
6  NaN NaN  6.0  1  1
7  NaN NaN  7.0  1  1

In [30]: casted.dtypes
Out[30]:
A    float64
B    float64
C    float64
D      int64
E      int32
dtype: object

浮点数的 dtype 保持不变。

In [31]: df4 = df3.copy()

In [32]: df4['A'] = df4['A'].astype('float32')

In [33]: df4.dtypes
Out[33]:
A    float32
B    float64
C    float64
D    float16
E      int32
dtype: object

In [34]: casted = df4[df4 > 0]

In [35]: casted
Out[35]:
 A         B    C    D  E
0       NaN       NaN  NaN  1.0  1
1       NaN  0.567020  1.0  1.0  1
2       NaN  0.276232  2.0  1.0  1
3       NaN       NaN  3.0  1.0  1
4  1.933792       NaN  4.0  1.0  1
5       NaN  0.113648  5.0  1.0  1
6       NaN       NaN  6.0  1.0  1
7       NaN  0.524988  7.0  1.0  1

In [36]: casted.dtypes
Out[36]:
A    float32
B    float64
C    float64
D    float16
E      int32
dtype: object

日期时间转换

DataFrame（或 Series）中的 Datetime64[ns] 列允许使用 np.nan 来表示 nan 值，除了传统的 NaT，或非时间。这使得以一种通用的方式方便地设置 nan 成为可能。此外，当传递 datetimelike 对象时，默认情况下会创建 datetime64[ns] 列（此更改是在 0.10.1 中引入的）(GH 2809, GH 2810)

In [12]: df = pd.DataFrame(np.random.randn(6, 2), pd.date_range('20010102', periods=6),
 ....:                  columns=['A', ' B'])
 ....: 

In [13]: df['timestamp'] = pd.Timestamp('20010103')

In [14]: df
Out[14]: 
 A         B  timestamp
2001-01-02  0.404705  0.577046 2001-01-03
2001-01-03 -1.715002 -1.039268 2001-01-03
2001-01-04 -0.370647 -1.157892 2001-01-03
2001-01-05 -1.344312  0.844885 2001-01-03
2001-01-06  1.075770 -0.109050 2001-01-03
2001-01-07  1.643563 -1.469388 2001-01-03

# datetime64[ns] out of the box
In [15]: df.dtypes.value_counts()
Out[15]: 
float64          2
datetime64[s]    1
Name: count, dtype: int64

# use the traditional nan, which is mapped to NaT internally
In [16]: df.loc[df.index[2:4], ['A', 'timestamp']] = np.nan

In [17]: df
Out[17]: 
 A         B  timestamp
2001-01-02  0.404705  0.577046 2001-01-03
2001-01-03 -1.715002 -1.039268 2001-01-03
2001-01-04       NaN -1.157892        NaT
2001-01-05       NaN  0.844885        NaT
2001-01-06  1.075770 -0.109050 2001-01-03
2001-01-07  1.643563 -1.469388 2001-01-03

对 datetime64[ns] 的 astype 转换为 object，会隐式地将 NaT 转换为 np.nan

In [18]: import datetime

In [19]: s = pd.Series([datetime.datetime(2001, 1, 2, 0, 0) for i in range(3)])

In [20]: s.dtype
Out[20]: dtype('<M8[ns]')

In [21]: s[1] = np.nan

In [22]: s
Out[22]: 
0   2001-01-02
1          NaT
2   2001-01-02
dtype: datetime64[ns]

In [23]: s.dtype
Out[23]: dtype('<M8[ns]')

In [24]: s = s.astype('O')

In [25]: s
Out[25]: 
0    2001-01-02 00:00:00
1                    NaT
2    2001-01-02 00:00:00
dtype: object

In [26]: s.dtype
Out[26]: dtype('O')

API 变更

添加了 to_series() 方法到索引中，以便创建索引器（GH 3275）

HDFStore

添加了 select_column 方法，以选择表中的单个列作为 Series。

弃用了 unique 方法，可以通过 select_column(key,column).unique() 复制

append 方法的 min_itemsize 参数现在会自动为传递的键创建数据列

增强功能

df.to_csv() 的性能提升最多可达 10 倍。(GH 3059)

Numexpr 现在是一个推荐的依赖项，用于加速某些类型的数值和布尔操作

Bottleneck 现在是推荐的依赖项，以加速某些类型的 nan 操作

HDFStore
支持与 read_csv/to_csv 类似的 read_hdf/to_hdf API
In [27]: df = pd.DataFrame({'A': range(5), 'B': range(5)})

In [28]: df.to_hdf('store.h5', key='table', append=True)

In [29]: pd.read_hdf('store.h5', 'table', where=['index > 2'])
Out[29]: 
 A  B
3  3  3
4  4  4 
提供从存储中进行点属性访问的功能，例如 store.df == store['df']

提供了新的关键字 iterator=boolean 和 chunksize=number_in_a_chunk 来支持对 select 和 select_as_multiple 进行迭代（GH 3076）
现在你可以像对待有序时间序列一样，从无序时间序列中选择时间戳（GH 2437）

现在你可以像对待 Series 一样，从具有日期索引的 DataFrame 中选择字符串（GH 3070）
In [30]: idx = pd.date_range("2001-10-1", periods=5, freq='M')

In [31]: ts = pd.Series(np.random.rand(len(idx)), index=idx)

In [32]: ts['2001']
Out[32]:
2001-10-31    0.117967
2001-11-30    0.702184
2001-12-31    0.414034
Freq: M, dtype: float64

In [33]: df = pd.DataFrame({'A': ts})

In [34]: df['2001']
Out[34]:
 A
2001-10-31  0.117967
2001-11-30  0.702184
2001-12-31  0.414034 
Squeeze 可能会从对象中删除长度为 1 的维度。
>>> p = pd.Panel(np.random.randn(3, 4, 4), items=['ItemA', 'ItemB', 'ItemC'],
...              major_axis=pd.date_range('20010102', periods=4),
...              minor_axis=['A', 'B', 'C', 'D'])
>>> p
<class 'pandas.core.panel.Panel'>
Dimensions: 3 (items) x 4 (major_axis) x 4 (minor_axis)
Items axis: ItemA to ItemC
Major_axis axis: 2001-01-02 00:00:00 to 2001-01-05 00:00:00
Minor_axis axis: A to D

>>> p.reindex(items=['ItemA']).squeeze()
 A         B         C         D
2001-01-02  0.926089 -2.026458  0.501277 -0.204683
2001-01-03 -0.076524  1.081161  1.141361  0.479243
2001-01-04  0.641817 -0.185352  1.824568  0.809152
2001-01-05  0.575237  0.669934  1.398014 -0.399338

>>> p.reindex(items=['ItemA'], minor=['B']).squeeze()
2001-01-02   -2.026458
2001-01-03    1.081161
2001-01-04   -0.185352
2001-01-05    0.669934
Freq: D, Name: B, dtype: float64 
在 pd.io.data.Options 中，

修复了在已经过期时尝试获取当前月份数据时出现的错误。

现在使用 lxml 来抓取 HTML，而不是 BeautifulSoup（lxml 更快）。

当调用创建它们的方法时，新的 calls 和 puts 实例变量会自动创建。这适用于当前月份，其中实例变量仅为 calls 和 puts。也适用于未来到期月份，并将实例变量保存为 callsMMYY 或 putsMMYY，其中 MMYY 分别为期权到期月份和年份。

Options.get_near_stock_price 现在允许用户指定要获取相关期权数据的月份。

Options.get_forward_data 现在具有可选的 kwargs near 和 above_below。这允许用户指定是否只返回与当前股票价格相近的期权的前瞻数据。这只是从 Options.get_near_stock_price 获得数据，而不是 Options.get_xxx_data()（GH 2758）。

游标坐标信息现在在时间序列图中显示。

添加了选项 display.max_seq_items 来控制每个序列打印的元素数。(GH 2979)

添加了选项 display.chop_threshold 来控制小数值的显示。(GH 2739)

添加了选项 display.max_info_rows 来防止对超过 1M 行的框架计算详细信息（可配置）。(GH 2807, GH 2918)

value_counts() 现在接受一个 "normalize" 参数，用于归一化直方图。(GH 2710)。

DataFrame.from_records 现在不仅接受字典，而且接受任何 collections.Mapping ABC 的实例。

添加了选项display.mpl_style，为绘图提供了更简洁的视觉风格。基于gist.github.com/huyng/816622 (GH 3075)。

将布尔值视为整数（值为 1 和 0）进行数值运算。(GH 2641)

to_html()现在接受一个可选的“escape”参数来控制保留的 HTML 字符转义（默认启用），并转义&，除了<和>。(GH 2919)

查看完整的发布说明或 GitHub 上的问题跟踪器以获取完整列表。

贡献者

共有 50 人为此版本贡献了补丁。名字后面带有“+”的人第一次贡献了补丁。

Adam Greenhall +
Alvaro Tejero-Cantero +
Andy Hayden
Brad Buran +
Chang She
Chapman Siu +
Chris Withers +
Christian Geier +
Christopher Whelan
Damien Garaud
Dan Birken
Dan Davison +
Dieter Vandenbussche
Dražen Lučanin +
Dražen Lučanin +
Garrett Drapala
Illia Polosukhin +
James Casbon +
Jeff Reback
Jeremy Wagner +
Jonathan Chambers +
K.-Michael Aye
Karmel Allison +
Loïc Estève +
Nicholaus E. Halecky +
Peter Prettenhofer +
Phillip Cloud +
Robert Gieseke +
Skipper Seabold
Spencer Lyon
Stephen Lin +
Thierry Moisan +
Thomas Kluyver
Tim Akinbo +
Vytautas Jancauskas
Vytautas Jančauskas +
Wes McKinney
Will Furnass +
Wouter Overmeire
anomrake +
davidjameshumphreys +
dengemann +
dieterv77 +
jreback
lexual +
stephenwlin +
thauck +
vytas +
waitingkuo +
y-p

posted @ 2024-06-24 16:30 绝不原创的飞龙阅读(40) 评论(0) 收藏举报

刷新页面返回顶部

龙哥盟

掠夺·扩张·投机·博弈

Pandas-2-2-中文文档-六十-

Pandas 2.2 中文文档（六十）

版本 0.13.0（2014 年 1 月 3 日）

API 变更

之前版本的废弃/更改

废弃

索引 API 更改

Float64Index API 更改

HDFStore API 更改

DataFrame repr 变更

增强功能

实验性质

API 变更

先前版本的废弃/更改

弃用

索引 API 更改

Float64Index API 更改

HDFStore API 更改

DataFrame repr 更改

增强功能

实验性

内部重构

Bug 修复

贡献者

版本 0.12.0（2013 年 7 月 24 日）

API 变更

IO 增强

其他增强功能

实验性功能

Bug 修复

贡献者

API 更改

IO 增强

其他增强功能

实验性功能

错误修复

贡献者

版本 0.11.0（2013 年 4 月 22 日）

选择选项

选择弃用

Dtypes

Dtype 转换

数据类型陷阱

日期时间转换

API 变更

增强功能

贡献者

选择选项

选择的过时功能

Dtype

Dtype 转换

Dtype 的注意事项

日期时间转换

API 变更

增强功能

贡献者

公告