爱喝兽奶帝天荒

这个屌丝很懒，什么也没留下！

热门标签

Pandas 2.2 中文文档（一百零三）_pandapipes 中文手册

作者：爱喝兽奶帝天荒 | 2024-07-20 12:45:43

踩

pandapipes 中文手册

原文：pandas.pydata.org/docs/

版本 0.16.2（2015 年 6 月 12 日）

原文：pandas.pydata.org/docs/whatsnew/v0.16.2.html

这是从 0.16.1 中的次要 bug 修复版本，并包括大量的 bug 修复，以及一些新功能（pipe()方法）、增强和性能改进。

我们建议所有用户升级到此版本。

重点包括：

新的pipe方法，请参阅此处
使用numba与pandas的文档，请参阅此处。

新功能在 v0.16.2 中的变化

新功能
- 管道
- 其他增强
API 更改
性能改进
错误修复
贡献者

新功能

管道

我们引入了一个新方法DataFrame.pipe()。顾名思义，pipe应该用于将数据通过一系列函数调用传递。目标是避免混淆的嵌套函数调用，比如

# df is a DataFrame
# f, g, and h are functions that take and return DataFrames
f(g(h(df), arg1=1), arg2=2, arg3=3)  # noqa F821 
1
2
3

逻辑从内到外流动，函数名称与它们的关键字参数分开。这可以重写为

(
    df.pipe(h)  # noqa F821
    .pipe(g, arg1=1)  # noqa F821
    .pipe(f, arg2=2, arg3=3)  # noqa F821
) 
1
2
3
4
5

现在代码和逻辑都从上到下流动。关键字参数紧跟在它们的函数旁边。整体而言，代码更加可读。

在上面的示例中，函数f、g和h每个都期望 DataFrame 作为第一个位置参数。当您希望应用的函数将数据放在除第一个参数之外的任何位置时，传递一个(function, keyword)元组，指示 DataFrame 应该流动到何处。例如：

In [1]: import statsmodels.formula.api as sm

In [2]: bb = pd.read_csv("data/baseball.csv", index_col="id")

# sm.ols takes (formula, data)
In [3]: (
...:     bb.query("h > 0")
...:     .assign(ln_h=lambda df: np.log(df.h))
...:     .pipe((sm.ols, "data"), "hr ~ ln_h + year + g + C(lg)")
...:     .fit()
...:     .summary()
...: )
...:
Out[3]:
<class 'statsmodels.iolib.summary.Summary'>
"""
 OLS Regression Results
==============================================================================
Dep. Variable:                     hr   R-squared:                       0.685
Model:                            OLS   Adj. R-squared:                  0.665
Method:                 Least Squares   F-statistic:                     34.28
Date:                Tue, 22 Nov 2022   Prob (F-statistic):           3.48e-15
Time:                        05:35:23   Log-Likelihood:                -205.92
No. Observations:                  68   AIC:                             421.8
Df Residuals:                      63   BIC:                             432.9
Df Model:                           4
Covariance Type:            nonrobust
===============================================================================
 coef    std err          t      P>|t|      [0.025      0.975]
-------------------------------------------------------------------------------
Intercept   -8484.7720   4664.146     -1.819      0.074   -1.78e+04     835.780
C(lg)[T.NL]    -2.2736      1.325     -1.716      0.091      -4.922       0.375
ln_h           -1.3542      0.875     -1.547      0.127      -3.103       0.395
year            4.2277      2.324      1.819      0.074      -0.417       8.872
g               0.1841      0.029      6.258      0.000       0.125       0.243
==============================================================================
Omnibus:                       10.875   Durbin-Watson:                   1.999
Prob(Omnibus):                  0.004   Jarque-Bera (JB):               17.298
Skew:                           0.537   Prob(JB):                     0.000175
Kurtosis:                       5.225   Cond. No.                     1.49e+07
==============================================================================

Notes:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
[2] The condition number is large, 1.49e+07. This might indicate that there are
strong multicollinearity or other numerical problems.
""" 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

管道方法受到 Unix 管道的启发，它通过进程流传输文本。更近期的dplyr和magrittr引入了流行的(%>%)管道运算符用于R。

查看更多文档。(GH 10129) ### 其他增强

在 Index/Series StringMethods 中添加了rsplit（GH 10303）
删除了 IPython 笔记本中DataFrame HTML 表示的硬编码大小限制，并将其留给 IPython 自身（仅适用于 IPython v3.0 或更高版本）。这消除了在具有大框架的笔记本中出现的重复滚动条(GH 10231)。

请注意，笔记本有一个toggle output scrolling功能，用于限制显示非常大的框架（点击输出左侧）。您还可以使用 pandas 选项配置 DataFrame 的显示方式，请参见此处。
DataFrame.quantile的axis参数现在也接受index和column。（GH 9543） ## API 更改
如果在构造函数中同时使用offset和observance，Holiday现在会引发NotImplementedError，而不是返回不正确的结果（GH 10217） ## 性能改进
使用dtype=datetime64[ns]改进Series.resample的性能（GH 7754）
当expand=True时，提高str.split的性能（GH 10081） ## Bug 修复
当给定一个一行Series时，Series.hist中会引发错误的 bug（GH 10214）
HDFStore.select修改传递的列列表的 bug（GH 7212）
在 Python 3 中，Categorical repr 中display.width为None的 bug（GH 10087）
在特定方向和CategoricalIndex的to_json中会导致段错误的 bug（GH 10317）
一些 nan 函数的返回数据类型不一致的 bug（GH 10251）
在检查传递了有效轴的DataFrame.quantile中的 bug（GH 9543）
groupby.apply聚合中Categorical不保留类别的错误（GH 10138）
当datetime是分数时，to_csv中忽略date_format的 bug（GH 10209）
混合数据类型时DataFrame.to_json中的 bug（GH 10289）
在合并时更新缓存的 bug（GH 10264）
mean()中整数数据类型可能溢出的错误（GH 10172）
当指定 dtype 时，Panel.from_dict中未设置 dtype 的 bug（GH 10058）
当传递数组时，Index.union中引发AttributeError的 bug（GH 10149）
Timestamp的microsecond、quarter、dayofyear、week和daysinmonth属性返回np.int类型，而不是内置的int类型的 bug（GH 10050）
当访问daysinmonth、dayofweek属性时，NaT引发AttributeError的 bug（GH 10096）
使用max_seq_items=None设置时，Index repr 中的 bug（GH 10182）
在各种平台上使用 dateutil 获取时区数据时出现错误（GH 9059，GH 8639，GH 9663，GH 10121）
在显示具有混合频率的日期时间时出现错误；将 ‘ms’ 日期时间显示到正确的精度（GH 10170）
setitem 中的错误会将类型提升应用于整个块（GH 10280）
Series 算术方法中的错误可能会错误地保留名称（GH 10068）
在多个键分组时，GroupBy.get_group 中的错误，其中一个键是分类的（GH 10132）
在 timedelta 算术运算后，DatetimeIndex 和 TimedeltaIndex 的名称会丢失（GH 9926）
从具有 datetime64 的嵌套 dict 构建 DataFrame 时出现错误（GH 10160）
从具有 datetime64 键的 dict 构建 Series 时出现错误（GH 9456）
Series.plot(label="LABEL") 中的错误未正确设置标签（GH 10119）
plot 中的错误未默认为 matplotlib axes.grid 设置（GH 9792）
在 engine='python' 的 read_csv 解析器中，包含指数但没有小数点的字符串被解析为 int 而不是 float 的错误（GH 9565）
当指定 fill_value 时，Series.align 中的错误会重置 name（GH 10067）
在 read_csv 中导致空 DataFrame 上未设置索引名称的错误（GH 10184）
SparseSeries.abs 中的错误会重置 name（GH 10241）
TimedeltaIndex 切片中的错误可能会重置频率（GH 10292）
在组键包含 NaT 时，GroupBy.get_group 引发 ValueError 的错误（GH 6992）
SparseSeries 构造函数忽略输入数据名称的错误（GH 10258）
在 Categorical.remove_categories 中的错误，当底层 dtype 为浮点时，删除 NaN 类别会导致 ValueError（GH 10156）
在推断时间规则（WOM-5XXX）不受 to_offset 支持时，推断频率的错误（GH 9425）
DataFrame.to_hdf()中表格格式错误会为无效（非字符串）列名引发一个看似无关的错误。现在明确禁止这样做。(GH 9057)
处理空DataFrame掩码的错误（GH 10126）。
修复了 MySQL 接口无法处理数字表/列名称的错误（GH 10255）
read_csv中使用date_parser返回非[ns]时间分辨率的datetime64数组的错误（GH 10245）
Panel.apply中当结果的ndim=0时的错误（GH 10332）
修复了read_hdf中无法传递auto_close的错误（GH 9327）。
修复了read_hdf中无法使用打开存储的错误（GH 10330）。
添加空DataFrame的错误，现在结果是一个与空DataFrame相等的DataFrame（GH 10181）。
修复了to_hdf和HDFStore中未检查complib选择是否有效的错误（GH 4582，GH 8874）。 ## 贡献者

总共有 34 人为这个版本贡献了补丁。名字后面带有“+”符号的人第一次贡献了补丁。

Andrew Rosenfeld
Artemy Kolchinsky
Bernard Willers +
Christer van der Meeren
Christian Hudon +
Constantine Glen Evans +
Daniel Julius Lasiman +
Evan Wright
Francesco Brundu +
Gaëtan de Menten +
Jake VanderPlas
James Hiebert +
Jeff Reback
Joris Van den Bossche
Justin Lecher +
Ka Wo Chen +
Kevin Sheppard
Mortada Mehyar
Morton Fox +
Robin Wilson +
Sinhrks
Stephan Hoyer
Thomas Grainger
Tom Ajamian
Tom Augspurger
Yoshiki Vázquez Baeza
Younggun Kim
austinc +
behzad nouri
jreback
lexual
rekcahpassyla +
scls19fr
sinhrks ## 新功能

管道

我们引入了一个新方法DataFrame.pipe()。正如名称所示，pipe应该用于将数据通过一系列函数调用传递。目标是避免混乱的嵌套函数调用，比如

# df is a DataFrame
# f, g, and h are functions that take and return DataFrames
f(g(h(df), arg1=1), arg2=2, arg3=3)  # noqa F821 
1
2
3

逻辑从内到外流动，函数名称与它们的关键字参数分开。这可以重写为

(
    df.pipe(h)  # noqa F821
    .pipe(g, arg1=1)  # noqa F821
    .pipe(f, arg2=2, arg3=3)  # noqa F821
) 
1
2
3
4
5

现在代码和逻辑都从上到下流动。关键字参数紧挨着它们的函数。整体代码更易读。

在上面的示例中，函数f，g和h每个都期望 DataFrame 作为第一个位置参数。当您希望应用的函数将数据传递到除第一个参数以外的任何位置时，请传递一个元组(function, keyword)，指示 DataFrame 应该流经哪里。例如：

In [1]: import statsmodels.formula.api as sm

In [2]: bb = pd.read_csv("data/baseball.csv", index_col="id")

# sm.ols takes (formula, data)
In [3]: (
...:     bb.query("h > 0")
...:     .assign(ln_h=lambda df: np.log(df.h))
...:     .pipe((sm.ols, "data"), "hr ~ ln_h + year + g + C(lg)")
...:     .fit()
...:     .summary()
...: )
...:
Out[3]:
<class 'statsmodels.iolib.summary.Summary'>
"""
 OLS Regression Results
==============================================================================
Dep. Variable:                     hr   R-squared:                       0.685
Model:                            OLS   Adj. R-squared:                  0.665
Method:                 Least Squares   F-statistic:                     34.28
Date:                Tue, 22 Nov 2022   Prob (F-statistic):           3.48e-15
Time:                        05:35:23   Log-Likelihood:                -205.92
No. Observations:                  68   AIC:                             421.8
Df Residuals:                      63   BIC:                             432.9
Df Model:                           4
Covariance Type:            nonrobust
===============================================================================
 coef    std err          t      P>|t|      [0.025      0.975]
-------------------------------------------------------------------------------
Intercept   -8484.7720   4664.146     -1.819      0.074   -1.78e+04     835.780
C(lg)[T.NL]    -2.2736      1.325     -1.716      0.091      -4.922       0.375
ln_h           -1.3542      0.875     -1.547      0.127      -3.103       0.395
year            4.2277      2.324      1.819      0.074      -0.417       8.872
g               0.1841      0.029      6.258      0.000       0.125       0.243
==============================================================================
Omnibus:                       10.875   Durbin-Watson:                   1.999
Prob(Omnibus):                  0.004   Jarque-Bera (JB):               17.298
Skew:                           0.537   Prob(JB):                     0.000175
Kurtosis:                       5.225   Cond. No.                     1.49e+07
==============================================================================

Notes:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
[2] The condition number is large, 1.49e+07. This might indicate that there are
strong multicollinearity or other numerical problems.
""" 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

pipe 方法受到 Unix 管道的启发，通过进程流式传输文本。最近，dplyr 和 magrittr 引入了流行的 (%>%) 管道操作符用于 R。

查看文档以获取更多信息。 (GH 10129) ### 其他增强

将 rsplit 添加到索引/系列的字符串方法中（GH 10303）
删除了 IPython 笔记本中 DataFrame HTML 表示的硬编码大小限制，并将其留给 IPython 自己处理（仅适用于 IPython v3.0 或更高版本）。这消除了在大框架笔记本中出现的重复滚动条（GH 10231）。

请注意，笔记本有一个切换输出滚动功能，以限制非常大的框架的显示（通过点击输出左侧）。您还可以使用 pandas 选项配置 DataFrame 的显示方式，请参见这里。
DataFrame.quantile 的 axis 参数现在还接受 index 和 column。 (GH 9543) ### 管道

我们引入了一个新方法 DataFrame.pipe()。如名称所示，pipe 应该用于通过一系列函数调用传递数据。目标是避免混淆的嵌套函数调用，如下所示：

# df is a DataFrame
# f, g, and h are functions that take and return DataFrames
f(g(h(df), arg1=1), arg2=2, arg3=3)  # noqa F821 
1
2
3

逻辑从内向外流动，函数名称与其关键字参数分开。这可以重写为

(
    df.pipe(h)  # noqa F821
    .pipe(g, arg1=1)  # noqa F821
    .pipe(f, arg2=2, arg3=3)  # noqa F821
) 
1
2
3
4
5

现在代码和逻辑都是自上而下的。关键字参数紧跟在它们的函数旁边。整体上，代码更加可读。

在上面的示例中，函数f、g和h每个都将 DataFrame 作为第一个位置参数。当您希望应用的函数将数据放在除第一个参数之外的任何位置时，请传递一个元组(function, keyword)，指示 DataFrame 应该流经哪里。例如：

In [1]: import statsmodels.formula.api as sm

In [2]: bb = pd.read_csv("data/baseball.csv", index_col="id")

# sm.ols takes (formula, data)
In [3]: (
...:     bb.query("h > 0")
...:     .assign(ln_h=lambda df: np.log(df.h))
...:     .pipe((sm.ols, "data"), "hr ~ ln_h + year + g + C(lg)")
...:     .fit()
...:     .summary()
...: )
...:
Out[3]:
<class 'statsmodels.iolib.summary.Summary'>
"""
 OLS Regression Results
==============================================================================
Dep. Variable:                     hr   R-squared:                       0.685
Model:                            OLS   Adj. R-squared:                  0.665
Method:                 Least Squares   F-statistic:                     34.28
Date:                Tue, 22 Nov 2022   Prob (F-statistic):           3.48e-15
Time:                        05:35:23   Log-Likelihood:                -205.92
No. Observations:                  68   AIC:                             421.8
Df Residuals:                      63   BIC:                             432.9
Df Model:                           4
Covariance Type:            nonrobust
===============================================================================
 coef    std err          t      P>|t|      [0.025      0.975]
-------------------------------------------------------------------------------
Intercept   -8484.7720   4664.146     -1.819      0.074   -1.78e+04     835.780
C(lg)[T.NL]    -2.2736      1.325     -1.716      0.091      -4.922       0.375
ln_h           -1.3542      0.875     -1.547      0.127      -3.103       0.395
year            4.2277      2.324      1.819      0.074      -0.417       8.872
g               0.1841      0.029      6.258      0.000       0.125       0.243
==============================================================================
Omnibus:                       10.875   Durbin-Watson:                   1.999
Prob(Omnibus):                  0.004   Jarque-Bera (JB):               17.298
Skew:                           0.537   Prob(JB):                     0.000175
Kurtosis:                       5.225   Cond. No.                     1.49e+07
==============================================================================

Notes:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.
[2] The condition number is large, 1.49e+07. This might indicate that there are
strong multicollinearity or other numerical problems.
""" 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

pipe 方法受到 Unix 管道的启发，通过进程流式传输文本。最近，dplyr 和 magrittr 引入了流行的 (%>%) 管道操作符用于 R。

查看文档以获取更多信息。 (GH 10129)

其他增强

将 rsplit 添加到索引/系列的字符串方法中（GH 10303）
删除了 IPython 笔记本中 DataFrame HTML 表示的硬编码大小限制，将此留给 IPython 自己处理（仅适用于 IPython v3.0 或更高版本）。这消除了在大框架中出现的笔记本中的重复滚动条（GH 10231）。

请注意，笔记本具有 切换输出滚动 功能，以限制显示非常大的框架（点击输出左侧）。您还可以使用 pandas 选项配置 DataFrame 的显示方式，请参见此处。
DataFrame.quantile 的 axis 参数现在还接受 index 和 column。（GH 9543）

API 变更

如果在构造函数中同时使用 offset 和 observance，则 Holiday 现在会引发 NotImplementedError，而不是返回不正确的结果（GH 10217）。

性能改进

使用 dtype=datetime64[ns] 改进了 Series.resample 的性能（GH 7754）
当 expand=True 时，提高了 str.split 的性能。（GH 10081）

错误修复

Series.hist 在给定一行 Series 时引发错误（GH 10214）
HDFStore.select 修改传递的列列表的错误（GH 7212）
在 Python 3 中，display.width 为 None 时，Categorical 的 repr 存在错误（GH 10087）
在特定方向和 CategoricalIndex 的情况下，to_json 中存在错误会导致段错误。（GH 10317）
一些 nan 函数的返回 dtype 不一致。（GH 10251）
在检查是否传递了有效的轴时，DataFrame.quantile 中存在错误。（GH 9543）
groupby.apply 聚合中 Categorical 的错误未保留类别（GH 10138）
如果 datetime 是小数，则 to_csv 中会忽略 date_format 的错误。（GH 10209）
在混合数据类型时，DataFrame.to_json 中存在错误。（GH 10289）
在合并时缓存更新中存在错误。（GH 10264）
mean() 中整数 dtype 可能会溢出的错误（GH 10172）
Panel.from_dict 中的错误未在指定时设置 dtype。（GH 10058）
Index.union 中的错误在传递数组时引发 AttributeError。（GH 10149）
在 Timestamp 的 microsecond、quarter、dayofyear、week 和 daysinmonth 属性返回 np.int 类型而不是内置 int 的错误（GH 10050）
在访问 daysinmonth、dayofweek 属性时，NaT 引发 AttributeError 的错误（GH 10096）
在使用 max_seq_items=None 设置时，Index repr 出现的错误（GH 10182）
在各种平台上使用 dateutil 获取时区数据时出现的错误（GH 9059、GH 8639、GH 9663、GH 10121）
在显示具有混合频率的日期时间时，将 ‘ms’ 日期时间显示为正确的精度的错误（GH 10170）
在 setitem 中应用类型提升到整个块的错误（GH 10280）
在 Series 算术方法中可能错误地保留名称的错误（GH 10068）
在使用多个键进行分组时，其中一个键是分类时，GroupBy.get_group 中出现的错误（GH 10132）
在 timedelta 运算后丢失 DatetimeIndex 和 TimedeltaIndex 的名称的错误（GH 9926）
在使用 datetime64 的嵌套 dict 构建 DataFrame 时出现的错误（GH 10160）
在使用 datetime64 键从 dict 构建 Series 时的错误（GH 9456）
在 Series.plot(label="LABEL") 中未正确设置标签的错误（GH 10119）
在 plot 中未默认到 matplotlib axes.grid 设置的错误（GH 9792）
在 engine='python' 的 read_csv 解析器中，导致包含指数但没有小数点的字符串被解析为 int 而不是 float 的错误（GH 9565）
在 Series.align 中指定 fill_value 时重置 name 的错误（GH 10067）
在空 DataFrame 上，read_csv 中导致索引名称未设置的错误（GH 10184）
在 SparseSeries.abs 中重置 name 的错误（GH 10241）
在 TimedeltaIndex 切片可能重置频率的错误（GH 10292）
在组键包含 NaT 时，GroupBy.get_group 引发 ValueError 的错误（GH 6992）
在 SparseSeries 构造函数中忽略输入数据名称的错误（GH 10258）
Bug in Categorical.remove_categories，当底层 dtype 为浮点型时删除 NaN 类别会导致 ValueError 的问题 (GH 10156)。
Bug 修复 infer_freq 推断时间规则 (WOM-5XXX)，to_offset 不支持的问题 (GH 9425)。
Bug in DataFrame.to_hdf()，当表格格式出现无效（非字符串）列名时会引发一个看似无关的错误。现在明确禁止这种情况。 (GH 9057)。
Bug 修复空的 DataFrame 掩码问题 (GH 10126)。
Bug 在 MySQL 接口中无法处理数字表/列名的问题 (GH 10255)。
Bug in read_csv，当 date_parser 返回除 [ns] 之外的其他时间分辨率的 datetime64 数组时 (GH 10245)。
Bug 修复 Panel.apply，当结果的 ndim=0 时 (GH 10332)。
Bug in read_hdf 无法传递 auto_close 的问题 (GH 9327)。
Bug in read_hdf 在使用 open 存储时无法使用的问题 (GH 10330)。
Bug 在添加空的 DataFrame 时，现在结果将是一个与空的 DataFrame .equals 的 DataFrame (GH 10181)。
Bug 修复 to_hdf 和 HDFStore，未检查 complib 选择是否有效的问题 (GH 4582, GH 8874)。

贡献者

总共有 34 人为此版本贡献了补丁。名字后面带有“+”符号的人第一次贡献了补丁。

Andrew Rosenfeld
Artemy Kolchinsky
Bernard Willers +
Christer van der Meeren
Christian Hudon +
Constantine Glen Evans +
Daniel Julius Lasiman +
Evan Wright
Francesco Brundu +
Gaëtan de Menten +
Jake VanderPlas
James Hiebert +
Jeff Reback
Joris Van den Bossche
Justin Lecher +
Ka Wo Chen +
Kevin Sheppard
Mortada Mehyar
Morton Fox +
Robin Wilson +
Sinhrks
Stephan Hoyer
Thomas Grainger
Tom Ajamian
Tom Augspurger
Yoshiki Vázquez Baeza
Younggun Kim
austinc +
behzad nouri
jreback
lexual
rekcahpassyla +
scls19fr
sinhrks

版本 0.16.1（2015 年 5 月 11 日）

原文：pandas.pydata.org/docs/whatsnew/v0.16.1.html

这是从 0.16.0 的一个小 bug 修复版本，并包括大量的 bug 修复以及一些新功能、增强功能和性能改进。我们建议所有用户升级到这个版本。

亮点包括：

支持CategoricalIndex，基于类别的索引，请参见这里
如何贡献给 pandas 的新部分，请参见这里
修订的“合并、连接和串联”文档，包括图示示例，以便更容易理解每个操作，请参见这里
用于从 Series、DataFrames 和 Panels 中绘制随机样本的新方法sample。请参见这里
默认的Index打印格式已更改为更统一的格式，请参见这里
现在支持BusinessHour日期偏移，请参见这里
进一步增强.str访问器，使字符串操作更加简便，请参见这里

v0.16.1 中的新内容

增强功能
- CategoricalIndex
- 样本
- 字符串方法增强
- 其他增强功能
API 更改
- 弃用
索引表示
性能改进
Bug 修复
贡献者

警告

在 pandas 0.17.0 中，子包pandas.io.data将被移除，取而代之的是一个可以单独安装的包(GH 8961)。

增强功能

CategoricalIndex

我们引入了CategoricalIndex，这是一种新类型的索引对象，用于支持具有重复索引的索引。这是一个围绕Categorical（在 v0.15.0 中引入）的容器，允许对具有大量重复元素的索引进行高效索引和存储。在 0.16.1 之前，将 DataFrame/Series 的索引设置为category dtype 将会将其转换为常规基于对象的Index。

In [1]: df = pd.DataFrame({'A': np.arange(6),
 ...:                   'B': pd.Series(list('aabbca'))
 ...:                          .astype('category', categories=list('cab'))
 ...:                   })
 ...:

In [2]: df
Out[2]:
 A  B
0  0  a
1  1  a
2  2  b
3  3  b
4  4  c
5  5  a

In [3]: df.dtypes
Out[3]:
A       int64
B    category
dtype: object

In [4]: df.B.cat.categories
Out[4]: Index(['c', 'a', 'b'], dtype='object') 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

设置索引，将创建一个CategoricalIndex

In [5]: df2 = df.set_index('B')

In [6]: df2.index
Out[6]: CategoricalIndex(['a', 'a', 'b', 'b', 'c', 'a'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2
3
4

使用__getitem__/.iloc/.loc/.ix进行索引类似于具有重复索引的索引。索引器必须在类别中，否则操作将引发错误。

In [7]: df2.loc['a']
Out[7]:
 A
B
a  0
a  1
a  5 
1
2
3
4
5
6
7

并保留CategoricalIndex

In [8]: df2.loc['a'].index
Out[8]: CategoricalIndex(['a', 'a', 'a'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2

排序将按类别的顺序排序

In [9]: df2.sort_index()
Out[9]:
 A
B
c  4
a  0
a  1
a  5
b  2
b  3 
1
2
3
4
5
6
7
8
9
10

对索引的 groupby 操作也将保留索引的性质

In [10]: df2.groupby(level=0).sum()
Out[10]:
 A
B
c  4
a  6
b  5

In [11]: df2.groupby(level=0).sum().index
Out[11]: CategoricalIndex(['c', 'a', 'b'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2
3
4
5
6
7
8
9
10

重新索引操作，将根据传递的索引器的类型返回结果索引，这意味着传递列表将返回一个普通的索引；使用Categorical进行索引将返回一个CategoricalIndex，根据传递的Categorical dtype 的类别进行索引。这使得可以任意地对这些进行索引，即使值不在类别中，类似于如何重新索引任何 pandas 索引。

In [12]: df2.reindex(['a', 'e'])
Out[12]:
 A
B
a  0.0
a  1.0
a  5.0
e  NaN

In [13]: df2.reindex(['a', 'e']).index
Out[13]: pd.Index(['a', 'a', 'a', 'e'], dtype='object', name='B')

In [14]: df2.reindex(pd.Categorical(['a', 'e'], categories=list('abcde')))
Out[14]:
 A
B
a  0.0
a  1.0
a  5.0
e  NaN

In [15]: df2.reindex(pd.Categorical(['a', 'e'], categories=list('abcde'))).index
Out[15]: pd.CategoricalIndex(['a', 'a', 'a', 'e'],
 categories=['a', 'b', 'c', 'd', 'e'],
 ordered=False, name='B',
 dtype='category') 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

更多信息请参见文档（GH 7629, GH 10038, GH 10039) ### 示例

Series、DataFrames 和 Panels 现在有一个新方法：sample()。该方法接受要返回的特定行数或列数，或者总行数或列数的一部分。它还具有使用或不使用替换进行抽样的选项，用于传递非均匀抽样的权重列的选项，以及设置种子值以便复制的选项。 (GH 2419)

In [1]: example_series = pd.Series([0, 1, 2, 3, 4, 5])

# When no arguments are passed, returns 1
In [2]: example_series.sample()
Out[2]: 
3    3
Length: 1, dtype: int64

# One may specify either a number of rows:
In [3]: example_series.sample(n=3)
Out[3]: 
2    2
1    1
0    0
Length: 3, dtype: int64

# Or a fraction of the rows:
In [4]: example_series.sample(frac=0.5)
Out[4]: 
1    1
5    5
3    3
Length: 3, dtype: int64

# weights are accepted.
In [5]: example_weights = [0, 0, 0.2, 0.2, 0.2, 0.4]

In [6]: example_series.sample(n=3, weights=example_weights)
Out[6]: 
2    2
4    4
3    3
Length: 3, dtype: int64

# weights will also be normalized if they do not sum to one,
# and missing values will be treated as zeros.
In [7]: example_weights2 = [0.5, 0, 0, 0, None, np.nan]

In [8]: example_series.sample(n=1, weights=example_weights2)
Out[8]: 
0    0
Length: 1, dtype: int64 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

当应用于 DataFrame 时，可以传递列名来指定从行中抽样时的抽样权重。

In [9]: df = pd.DataFrame({"col1": [9, 8, 7, 6], "weight_column": [0.5, 0.4, 0.1, 0]})

In [10]: df.sample(n=3, weights="weight_column")
Out[10]: 
 col1  weight_column
0     9            0.5
1     8            0.4
2     7            0.1

[3 rows x 2 columns] 
```### 字符串方法增强

继续从 v0.16.0 开始，以下增强使字符串操作更容易，并且与标准的 Python 字符串操作更一致。

+   将`StringMethods`（`.str`访问器）添加到`Index` ([GH 9068](https://github.com/pandas-dev/pandas/issues/9068))

    现在`.str`访问器对于`Series`和`Index`都可用。

    ```py
    In [11]: idx = pd.Index([" jack", "jill ", " jesse ", "frank"])

    In [12]: idx.str.strip()
    Out[12]: Index(['jack', 'jill', 'jesse', 'frank'], dtype='object') 
    ```

    `.str`访问器在`Index`上的一个特殊情况是，如果字符串方法返回`bool`，`.str`访问器将返回一个`np.array`而不是布尔`Index` ([GH 8875](https://github.com/pandas-dev/pandas/issues/8875))。 这使得以下表达式可以自然地工作：

    ```py
    In [13]: idx = pd.Index(["a1", "a2", "b1", "b2"])

    In [14]: s = pd.Series(range(4), index=idx)

    In [15]: s
    Out[15]: 
    a1    0
    a2    1
    b1    2
    b2    3
    Length: 4, dtype: int64

    In [16]: idx.str.startswith("a")
    Out[16]: array([ True,  True, False, False])

    In [17]: s[s.index.str.startswith("a")]
    Out[17]: 
    a1    0
    a2    1
    Length: 2, dtype: int64 
    ```

+   以下新方法可以通过`.str`访问器访问，以将函数应用于每个值。 ([GH 9766](https://github.com/pandas-dev/pandas/issues/9766), [GH 9773](https://github.com/pandas-dev/pandas/issues/9773), [GH 10031](https://github.com/pandas-dev/pandas/issues/10031), [GH 10045](https://github.com/pandas-dev/pandas/issues/10045), [GH 10052](https://github.com/pandas-dev/pandas/issues/10052))

    |  |  | 方法 |  |  |
    | --- | --- | --- | --- | --- |
    | `capitalize()` | `swapcase()` | `normalize()` | `partition()` | `rpartition()` |
    | `index()` | `rindex()` | `translate()` |  |  |

+   `split`现在使用`expand`关键字来指定是否扩展维度。`return_type`已弃用。 ([GH 9847](https://github.com/pandas-dev/pandas/issues/9847))

    ```py
    In [18]: s = pd.Series(["a,b", "a,c", "b,c"])

    # return Series
    In [19]: s.str.split(",")
    Out[19]: 
    0    [a, b]
    1    [a, c]
    2    [b, c]
    Length: 3, dtype: object

    # return DataFrame
    In [20]: s.str.split(",", expand=True)
    Out[20]: 
     0  1
    0  a  b
    1  a  c
    2  b  c

    [3 rows x 2 columns]

    In [21]: idx = pd.Index(["a,b", "a,c", "b,c"])

    # return Index
    In [22]: idx.str.split(",")
    Out[22]: Index([['a', 'b'], ['a', 'c'], ['b', 'c']], dtype='object')

    # return MultiIndex
    In [23]: idx.str.split(",", expand=True)
    Out[23]: 
    MultiIndex([('a', 'b'),
     ('a', 'c'),
     ('b', 'c')],
     ) 
    ```

+   改进了`Index.str`的`extract`和`get_dummies`方法 ([GH 9980](https://github.com/pandas-dev/pandas/issues/9980))  ### 其他增强

+   现在支持 `BusinessHour` 偏移量，它表示从默认情况下的 `BusinessDay` 上午 09:00 - 下午 17:00 开始的工作时间。详细信息请参阅这里。([GH 7905](https://github.com/pandas-dev/pandas/issues/7905))

    ```py
    In [24]: pd.Timestamp("2014-08-01 09:00") + pd.tseries.offsets.BusinessHour()
    Out[24]: Timestamp('2014-08-01 10:00:00')

    In [25]: pd.Timestamp("2014-08-01 07:00") + pd.tseries.offsets.BusinessHour()
    Out[25]: Timestamp('2014-08-01 10:00:00')

    In [26]: pd.Timestamp("2014-08-01 16:30") + pd.tseries.offsets.BusinessHour()
    Out[26]: Timestamp('2014-08-04 09:30:00') 
    ```

+   `DataFrame.diff` 现在接受一个 `axis` 参数，用于确定差分的方向。([GH 9727](https://github.com/pandas-dev/pandas/issues/9727))

+   允许 `clip`、`clip_lower` 和 `clip_upper` 接受类似数组的参数作为阈值（这是从 0.11.0 开始的一个回归）。这些方法现在有一个 `axis` 参数，确定 Series 或 DataFrame 与阈值的对齐方式。([GH 6966](https://github.com/pandas-dev/pandas/issues/6966))

+   `DataFrame.mask()` 和 `Series.mask()` 现在支持与 `where` 相同的关键字。([GH 8801](https://github.com/pandas-dev/pandas/issues/8801))

+   `drop` 函数现在可以接受 `errors` 关键字，以抑制在目标数据中任何标签不存在时引发的 `ValueError`。([GH 6736](https://github.com/pandas-dev/pandas/issues/6736))

    ```py
    In [27]: df = pd.DataFrame(np.random.randn(3, 3), columns=["A", "B", "C"])

    In [28]: df.drop(["A", "X"], axis=1, errors="ignore")
    Out[28]: 
     B         C
    0 -0.706771 -1.039575
    1 -0.424972  0.567020
    2 -1.087401 -0.673690

    [3 rows x 2 columns] 
    ```

+   添加对使用短划线分隔年份和季度的支持，例如 2014-Q1。([GH 9688](https://github.com/pandas-dev/pandas/issues/9688))

+   允许将具有 `datetime64` 或 `timedelta64` 类型的值转换为字符串，使用 `astype(str)`。([GH 9757](https://github.com/pandas-dev/pandas/issues/9757))

+   `get_dummies` 函数现在接受 `sparse` 关键字。如果设置为 `True`，返回的 `DataFrame` 是稀疏的，例如 `SparseDataFrame`。([GH 8823](https://github.com/pandas-dev/pandas/issues/8823))

+   `Period` 现在接受 `datetime64` 作为值输入。([GH 9054](https://github.com/pandas-dev/pandas/issues/9054))

+   当时间定义中缺少前导零时，允许时间差字符串转换，例如 `0:00:00` vs `00:00:00`。([GH 9570](https://github.com/pandas-dev/pandas/issues/9570))

+   允许 `Panel.shift` 与 `axis='items'`。([GH 9890](https://github.com/pandas-dev/pandas/issues/9890))

+   尝试写入 Excel 文件现在会引发 `NotImplementedError`，如果 `DataFrame` 具有 `MultiIndex`，而不是写入损坏的 Excel 文件。([GH 9794](https://github.com/pandas-dev/pandas/issues/9794))

+   允许 `Categorical.add_categories` 接受 `Series` 或 `np.array`。([GH 9927](https://github.com/pandas-dev/pandas/issues/9927))

+   动态添加/删除 `str/dt/cat` 访问器，从 `__dir__`。([GH 9910](https://github.com/pandas-dev/pandas/issues/9910))

+   将 `normalize` 添加为 `dt` 访问器方法。([GH 10047](https://github.com/pandas-dev/pandas/issues/10047))

+   `DataFrame` 和 `Series` 现在具有 `_constructor_expanddim` 属性，作为一个更高维度数据的可覆盖构造函数。只有在真正需要时才应该使用这个属性，请参阅这里

+   `pd.lib.infer_dtype` 现在在适当情况下在 Python 3 中返回 `'bytes'`。([GH 10032](https://github.com/pandas-dev/pandas/issues/10032))  ## API 变更

+   当传递一个 `ax` 给 `df.plot( ..., ax=ax)` 时，`sharex` 关键字参数现在默认为 `False`。结果是 xlabels 和 xticklabels 的可见性将不再改变。你必须自己为图中的正确轴设置 `sharex=True` 或明确设置（但这会改变图中所有轴的可见性，而不仅仅是传递的轴！）。如果 pandas 自己创建子图（例如没有传递 `ax` 关键字参数），那么默认值仍然为 `sharex=True`，并且应用了可见性更改。

+   `assign()` 现在按字母顺序插入新列。以前的顺序是任意的。([GH 9777](https://github.com/pandas-dev/pandas/issues/9777))

+   默认情况下，`read_csv` 和 `read_table` 现在将尝试根据文件扩展名推断压缩类型。设置 `compression=None` 来恢复先前的行为（无解压缩）。([GH 9770](https://github.com/pandas-dev/pandas/issues/9770))

### 废弃

+   `Series.str.split` 的 `return_type` 关键字已被移除，改用 `expand`。([GH 9847](https://github.com/pandas-dev/pandas/issues/9847))  ## 索引表示

`Index` 及其子类的字符串表示现在已统一。如果值很少，将显示单行显示；如果有很多值，则显示多行显示（但少于 `display.max_seq_items`；如果有很多项目（> `display.max_seq_items`），则显示截断显示（数据的头部和尾部）。`MultiIndex` 的格式化保持不变（多行包装显示）。显示宽度响应选项 `display.max_seq_items`，默认为 100。([GH 6482](https://github.com/pandas-dev/pandas/issues/6482))

先前的行为

```py
In [2]: pd.Index(range(4), name='foo')
Out[2]: Int64Index([0, 1, 2, 3], dtype='int64')

In [3]: pd.Index(range(104), name='foo')
Out[3]: Int64Index([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, ...], dtype='int64')

In [4]: pd.date_range('20130101', periods=4, name='foo', tz='US/Eastern')
Out[4]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2013-01-01 00:00:00-05:00, ..., 2013-01-04 00:00:00-05:00]
Length: 4, Freq: D, Timezone: US/Eastern

In [5]: pd.date_range('20130101', periods=104, name='foo', tz='US/Eastern')
Out[5]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2013-01-01 00:00:00-05:00, ..., 2013-04-14 00:00:00-04:00]
Length: 104, Freq: D, Timezone: US/Eastern 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187

新行为

In [29]: pd.set_option("display.width", 80)

In [30]: pd.Index(range(4), name="foo")
Out[30]: RangeIndex(start=0, stop=4, step=1, name='foo')

In [31]: pd.Index(range(30), name="foo")
Out[31]: RangeIndex(start=0, stop=30, step=1, name='foo')

In [32]: pd.Index(range(104), name="foo")
Out[32]: RangeIndex(start=0, stop=104, step=1, name='foo')

In [33]: pd.CategoricalIndex(["a", "bb", "ccc", "dddd"], ordered=True, name="foobar")
Out[33]: CategoricalIndex(['a', 'bb', 'ccc', 'dddd'], categories=['a', 'bb', 'ccc', 'dddd'], ordered=True, dtype='category', name='foobar')

In [34]: pd.CategoricalIndex(["a", "bb", "ccc", "dddd"] * 10, ordered=True, name="foobar")
Out[34]: 
CategoricalIndex(['a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a',
 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb',
 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc',
 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd',
 'a', 'bb', 'ccc', 'dddd'],
 categories=['a', 'bb', 'ccc', 'dddd'], ordered=True, dtype='category', name='foobar')

In [35]: pd.CategoricalIndex(["a", "bb", "ccc", "dddd"] * 100, ordered=True, name="foobar")
Out[35]: 
CategoricalIndex(['a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a',
 'bb',
 ...
 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc',
 'dddd'],
 categories=['a', 'bb', 'ccc', 'dddd'], ordered=True, dtype='category', name='foobar', length=400)

In [36]: pd.date_range("20130101", periods=4, name="foo", tz="US/Eastern")
Out[36]: 
DatetimeIndex(['2013-01-01 00:00:00-05:00', '2013-01-02 00:00:00-05:00',
 '2013-01-03 00:00:00-05:00', '2013-01-04 00:00:00-05:00'],
 dtype='datetime64[ns, US/Eastern]', name='foo', freq='D')

In [37]: pd.date_range("20130101", periods=25, freq="D")
Out[37]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
 '2013-01-05', '2013-01-06', '2013-01-07', '2013-01-08',
 '2013-01-09', '2013-01-10', '2013-01-11', '2013-01-12',
 '2013-01-13', '2013-01-14', '2013-01-15', '2013-01-16',
 '2013-01-17', '2013-01-18', '2013-01-19', '2013-01-20',
 '2013-01-21', '2013-01-22', '2013-01-23', '2013-01-24',
 '2013-01-25'],
 dtype='datetime64[ns]', freq='D')

In [38]: pd.date_range("20130101", periods=104, name="foo", tz="US/Eastern")
Out[38]: 
DatetimeIndex(['2013-01-01 00:00:00-05:00', '2013-01-02 00:00:00-05:00',
 '2013-01-03 00:00:00-05:00', '2013-01-04 00:00:00-05:00',
 '2013-01-05 00:00:00-05:00', '2013-01-06 00:00:00-05:00',
 '2013-01-07 00:00:00-05:00', '2013-01-08 00:00:00-05:00',
 '2013-01-09 00:00:00-05:00', '2013-01-10 00:00:00-05:00',
 ...
 '2013-04-05 00:00:00-04:00', '2013-04-06 00:00:00-04:00',
 '2013-04-07 00:00:00-04:00', '2013-04-08 00:00:00-04:00',
 '2013-04-09 00:00:00-04:00', '2013-04-10 00:00:00-04:00',
 '2013-04-11 00:00:00-04:00', '2013-04-12 00:00:00-04:00',
 '2013-04-13 00:00:00-04:00', '2013-04-14 00:00:00-04:00'],
 dtype='datetime64[ns, US/Eastern]', name='foo', length=104, freq='D') 
```## 性能改进

+   混合数据类型的 CSV 写入性能提高了多达 5 倍，包括日期时间。([GH 9940](https://github.com/pandas-dev/pandas/issues/9940))

+   一般情况下，CSV 写入性能提高了 2 倍。([GH 9940](https://github.com/pandas-dev/pandas/issues/9940))

+   将 `pd.lib.max_len_string_array` 的性能提高了 5-7 倍。([GH 10024](https://github.com/pandas-dev/pandas/issues/10024))  ## Bug 修复

+   在 `DataFrame.plot()` 的图例中标签未正确显示的 Bug，传递 `label=` 参数有效，并且 Series 索引不再被修改。([GH 9542](https://github.com/pandas-dev/pandas/issues/9542))

+   JSON 序列化中的 Bug 导致当帧长度为零时出现段错误。([GH 9805](https://github.com/pandas-dev/pandas/issues/9805))

+   `read_csv` 中的 Bug，缺少尾随分隔符会导致段错误。([GH 5664](https://github.com/pandas-dev/pandas/issues/5664))

+   在追加时保留索引名称中的 Bug。([GH 9862](https://github.com/pandas-dev/pandas/issues/9862))

+   `scatter_matrix` 中的 Bug 绘制了意外的轴刻度标签。([GH 5662](https://github.com/pandas-dev/pandas/issues/5662))

+   修复了`StataWriter`中的错误，导致保存时更改输入`DataFrame`（[GH 9795](https://github.com/pandas-dev/pandas/issues/9795)）

+   在使用快速聚合器时，`transform`中的错误导致长度不匹配��存在空条目（[GH 9697](https://github.com/pandas-dev/pandas/issues/9697)）

+   `equals`中的错误导致块顺序不同时出现假阴性（[GH 9330](https://github.com/pandas-dev/pandas/issues/9330)）

+   在多个`pd.Grouper`组合中分组时出现一个非基于时间的错误（[GH 10063](https://github.com/pandas-dev/pandas/issues/10063)）

+   使用时读取带有时区的 postgres 表时出现`read_sql_table`错误（[GH 7139](https://github.com/pandas-dev/pandas/issues/7139)）

+   `DataFrame`切片中的错误可能不会保留元数据（[GH 9776](https://github.com/pandas-dev/pandas/issues/9776)）

+   `TimdeltaIndex`在固定的`HDFStore`中未正确序列化的错误（[GH 9635](https://github.com/pandas-dev/pandas/issues/9635)）

+   `TimedeltaIndex`构造函数中的错误忽略了给定另一个`TimedeltaIndex`作为数据时的`name`（[GH 10025](https://github.com/pandas-dev/pandas/issues/10025)）

+   `DataFrameFormatter._get_formatted_index`中的错误未将`max_colwidth`应用于`DataFrame`索引（[GH 7856](https://github.com/pandas-dev/pandas/issues/7856)）

+   在具有只读 ndarray 数据源的`.loc`中出现错误（[GH 10043](https://github.com/pandas-dev/pandas/issues/10043)）

+   `groupby.apply()`中的错误，如果传递的用户定义函数只返回`None`（对于所有输入），则会引发错误（[GH 9685](https://github.com/pandas-dev/pandas/issues/9685)）

+   在 pytables 测试中始终使用临时文件（[GH 9992](https://github.com/pandas-dev/pandas/issues/9992)）

+   连续使用`secondary_y`绘图时可能无法正确显示图例（[GH 9610](https://github.com/pandas-dev/pandas/issues/9610)，[GH 9779](https://github.com/pandas-dev/pandas/issues/9779)）

+   `DataFrame.plot(kind="hist")`中的错误导致`DataFrame`包含非数值列时出现`TypeError`（[GH 9853](https://github.com/pandas-dev/pandas/issues/9853)）

+   重复绘制具有`DatetimeIndex`的`DataFrame`可能引发`TypeError`的错误（[GH 9852](https://github.com/pandas-dev/pandas/issues/9852)）

+   `setup.py`中的错误允许不兼容的 cython 版本构建（[GH 9827](https://github.com/pandas-dev/pandas/issues/9827)）

+   绘制`secondary_y`时的错误，错误地将`right_ax`属性附加到递归指定自身的次要轴上（[GH 9861](https://github.com/pandas-dev/pandas/issues/9861)）

+   `Series.quantile`在空`Datetime`或`Timedelta`类型的`Series`上的错误（[GH 9675](https://github.com/pandas-dev/pandas/issues/9675)）

+   `where`中的错误导致需要向上转型时结果不正确（[GH 9731](https://github.com/pandas-dev/pandas/issues/9731)）

+   `FloatArrayFormatter` 中的 Bug，导致以十进制格式显示“小”浮点数的决策边界偏离给定的 display.precision 一个数量级 ([GH 9764](https://github.com/pandas-dev/pandas/issues/9764))

+   修复了 `DataFrame.plot()` 在传递了 `color` 和 `style` 关键字并且样式字符串中没有颜色符号时引发错误的 Bug ([GH 9671](https://github.com/pandas-dev/pandas/issues/9671))

+   在将 list-likes 与 `Index` 结合时未显示 `DeprecationWarning` ([GH 10083](https://github.com/pandas-dev/pandas/issues/10083))

+   在使用 `skip_rows` 参数时，`read_csv` 和 `read_table` 中的 Bug 如果存在空行。 ([GH 9832](https://github.com/pandas-dev/pandas/issues/9832))

+   `read_csv()` 中的 Bug 将 `index_col=True` 解释为 `1` ([GH 9798](https://github.com/pandas-dev/pandas/issues/9798))

+   在使用 `==` 进行索引相等比较时的 Bug，在 Index/MultiIndex 类型不兼容时失败 ([GH 9785](https://github.com/pandas-dev/pandas/issues/9785))

+   `SparseDataFrame` 中的 Bug，无法将 `nan` 作为列名 ([GH 8822](https://github.com/pandas-dev/pandas/issues/8822))

+   `to_msgpack` 和 `read_msgpack` 中的 Bug，zlib 和 blosc 压缩支持 ([GH 9783](https://github.com/pandas-dev/pandas/issues/9783))

+   `GroupBy.size` 的 Bug，如果按 `TimeGrouper` 分组，则不正确地附加索引名称 ([GH 9925](https://github.com/pandas-dev/pandas/issues/9925))

+   导致切片赋值异常的 Bug，因为 `length_of_indexer` 返回错误结果 ([GH 9995](https://github.com/pandas-dev/pandas/issues/9995))

+   csv 解析器中的 Bug 导致以初始空格加一个非空格字符开头的行被跳过。([GH 9710](https://github.com/pandas-dev/pandas/issues/9710))

+   在 C csv 解析器中的 Bug 导致数据以换行符后跟空白开始时出现虚假 NaN。 ([GH 10022](https://github.com/pandas-dev/pandas/issues/10022))

+   Bug 导致具有空组的元素在按 `Categorical` 分组时溢出到最终组 ([GH 9603](https://github.com/pandas-dev/pandas/issues/9603))

+   Bug，.iloc 和 .loc 行为在空数据框上不一致 ([GH 9964](https://github.com/pandas-dev/pandas/issues/9964))

+   在 `TimedeltaIndex` 上无效属性访问的 Bug，错误地引发 `ValueError` 而不是 `AttributeError` ([GH 9680](https://github.com/pandas-dev/pandas/issues/9680))

+   在分类数据和标量之间的不相等比较中的 Bug，标量不在类别中 (例如 `Series(Categorical(list("abc"), ordered=True)) > "d"`。这对所有元素返回 `False`，但现在引发 `TypeError`。相等比较现在也对 `==` 返回 `False`，对 `!=` 返回 `True`。 ([GH 9848](https://github.com/pandas-dev/pandas/issues/9848))

+   当右侧为字典时，在 DataFrame `__setitem__` 中的 Bug ([GH 9874](https://github.com/pandas-dev/pandas/issues/9874))

+   在 `where` 中的 Bug，当 dtype 为 `datetime64/timedelta64` 时，但其他 dtype 不是。 ([GH 9804](https://github.com/pandas-dev/pandas/issues/9804))

+   在 `MultiIndex.sortlevel()` 中的 Bug 导致 Unicode 级别名称中断。 ([GH 9856](https://github.com/pandas-dev/pandas/issues/9856))

+   `groupby.transform` 中的 Bug 不正确强制输出 dtype 以匹配输入 dtype。 ([GH 9807](https://github.com/pandas-dev/pandas/issues/9807))

+   在 `DataFrame` 构造函数中，当设置了 `columns` 参数，并且 `data` 是空列表时的 Bug。 ([GH 9939](https://github.com/pandas-dev/pandas/issues/9939))

+   使用 `log=True` 的条形图中的 Bug，如果所有值都小于 1，则引发 `TypeError`。 ([GH 9905](https://github.com/pandas-dev/pandas/issues/9905))

+   水平条形图中的 Bug 忽略了 `log=True`。 ([GH 9905](https://github.com/pandas-dev/pandas/issues/9905))

+   PyTables 查询中的 Bug 未使用索引返回正确结果。 ([GH 8265](https://github.com/pandas-dev/pandas/issues/8265), [GH 9676](https://github.com/pandas-dev/pandas/issues/9676))

+   当将包含 `Decimal` 类型值的 DataFrame 除以另一个 `Decimal` 时会引发 Bug。 ([GH 9787](https://github.com/pandas-dev/pandas/issues/9787))

+   当使用 DataFrames 的 asfreq 时会移除索引的名称的 Bug。 ([GH 9885](https://github.com/pandas-dev/pandas/issues/9885))

+   在重采样 BM/BQ 时导致额外的索引点的 Bug。 ([GH 9756](https://github.com/pandas-dev/pandas/issues/9756))

+   将 `AbstractHolidayCalendar` 中的缓存更改为实例级别而不是类级别，因为后者可能导致意外行为。 ([GH 9552](https://github.com/pandas-dev/pandas/issues/9552))

+   修复了多级索引 DataFrame 的 LaTeX 输出。 ([GH 9778](https://github.com/pandas-dev/pandas/issues/9778))

+   使用 `DataFrame.loc` 设置空范围时引发异常的 Bug。 ([GH 9596](https://github.com/pandas-dev/pandas/issues/9596))

+   在向现有轴网格添加新绘图时，使用共享轴的子图隐藏刻度标签时出现 Bug。 ([GH 9158](https://github.com/pandas-dev/pandas/issues/9158))

+   在对分类变量进行分组时，`transform` 和 `filter` 中的 Bug。 ([GH 9921](https://github.com/pandas-dev/pandas/issues/9921))

+   在 `transform` 中的 Bug，当分组与输入索引的数字和 dtype 相等时。 ([GH 9700](https://github.com/pandas-dev/pandas/issues/9700))

+   Google BigQuery 连接器现在根据每个方法导入依赖项。([GH 9713](https://github.com/pandas-dev/pandas/issues/9713))

+   更新了 BigQuery 连接器，不再使用已弃用的 `oauth2client.tools.run()`。 ([GH 8327](https://github.com/pandas-dev/pandas/issues/8327))

+   在子类化的 `DataFrame` 中的 Bug。 在切片或子集化时，可能不会返回正确的类。 ([GH 9632](https://github.com/pandas-dev/pandas/issues/9632))

+   `.median()` 中的 Bug，非浮点型空值未正确处理 ([GH 10040](https://github.com/pandas-dev/pandas/issues/10040))

+   Series.fillna()中的错误，在给定可转换为数字的字符串时会引发错误 ([GH 10092](https://github.com/pandas-dev/pandas/issues/10092))  ## 贡献者

总共有 58 人为此版本贡献了补丁。名字后面带有“+”符号的人是第一次贡献补丁的。

+   Alfonso MHC +

+   Andy Hayden

+   Artemy Kolchinsky

+   Chris Gilmer +

+   Chris Grinolds +

+   Dan Birken

+   David BROCHART +

+   David Hirschfeld +

+   David Stephens

+   Dr. Leo +

+   Evan Wright +

+   Frans van Dunné +

+   Hatem Nassrat +

+   Henning Sperr +

+   Hugo Herter +

+   Jan Schulz

+   Jeff Blackburne +

+   Jeff Reback

+   Jim Crist +

+   Jonas Abernot +

+   Joris Van den Bossche

+   Kerby Shedden

+   Leo Razoumov +

+   Manuel Riel +

+   Mortada Mehyar

+   Nick Burns +

+   Nick Eubank +

+   Olivier Grisel

+   Phillip Cloud

+   Pietro Battiston

+   Roy Hyunjin Han

+   Sam Zhang +

+   Scott Sanderson +

+   Sinhrks +

+   Stephan Hoyer

+   Tiago Antao

+   Tom Ajamian +

+   Tom Augspurger

+   Tomaz Berisa +

+   Vikram Shirgur +

+   Vladimir Filimonov

+   William Hogman +

+   Yasin A +

+   Younggun Kim +

+   behzad nouri

+   dsm054

+   floydsoft +

+   flying-sheep +

+   gfr +

+   jnmclarty

+   jreback

+   ksanghai +

+   lucas +

+   mschmohl +

+   ptype +

+   rockg

+   scls19fr +

+   sinhrks

## 增强

### CategoricalIndex

我们引入了`CategoricalIndex`，这是一种新类型的索引对象，用于支持具有重复索引的索引。它是围绕`Categorical`（在 v0.15.0 中引入）的容器，允许有效地索引和存储具有大量重复元素的索引。在 0.16.1 之前，将`DataFrame/Series`的索引设置为`category` dtype 将其转换为常规基于对象的`Index`。

```py
In [1]: df = pd.DataFrame({'A': np.arange(6),
 ...:                   'B': pd.Series(list('aabbca'))
 ...:                          .astype('category', categories=list('cab'))
 ...:                   })
 ...:

In [2]: df
Out[2]:
 A  B
0  0  a
1  1  a
2  2  b
3  3  b
4  4  c
5  5  a

In [3]: df.dtypes
Out[3]:
A       int64
B    category
dtype: object

In [4]: df.B.cat.categories
Out[4]: Index(['c', 'a', 'b'], dtype='object') 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344

设置索引，将创建一个CategoricalIndex

In [5]: df2 = df.set_index('B')

In [6]: df2.index
Out[6]: CategoricalIndex(['a', 'a', 'b', 'b', 'c', 'a'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2
3
4

使用__getitem__/.iloc/.loc/.ix进行索引的工作方式与具有重复索引的索引类似。索引器必须在类别中，否则操作将引发异常。

In [7]: df2.loc['a']
Out[7]:
 A
B
a  0
a  1
a  5 
1
2
3
4
5
6
7

并保留CategoricalIndex

In [8]: df2.loc['a'].index
Out[8]: CategoricalIndex(['a', 'a', 'a'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2

排序将按类别的顺序排序

In [9]: df2.sort_index()
Out[9]:
 A
B
c  4
a  0
a  1
a  5
b  2
b  3 
1
2
3
4
5
6
7
8
9
10

对索引进行的分组操作也会保留索引的特性

In [10]: df2.groupby(level=0).sum()
Out[10]:
 A
B
c  4
a  6
b  5

In [11]: df2.groupby(level=0).sum().index
Out[11]: CategoricalIndex(['c', 'a', 'b'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2
3
4
5
6
7
8
9
10

重新索引操作将根据传递的索引器类型返回结果索引，这意味着传递列表将返回一个普通的Index；使用Categorical进行索引将返回一个CategoricalIndex，其索引根据传递的Categorical dtype 的类别进行索引。这使得可以任意索引这些值，即使这些值不在类别中，类似于您可以重新索引任何 pandas 索引。

In [12]: df2.reindex(['a', 'e'])
Out[12]:
 A
B
a  0.0
a  1.0
a  5.0
e  NaN

In [13]: df2.reindex(['a', 'e']).index
Out[13]: pd.Index(['a', 'a', 'a', 'e'], dtype='object', name='B')

In [14]: df2.reindex(pd.Categorical(['a', 'e'], categories=list('abcde')))
Out[14]:
 A
B
a  0.0
a  1.0
a  5.0
e  NaN

In [15]: df2.reindex(pd.Categorical(['a', 'e'], categories=list('abcde'))).index
Out[15]: pd.CategoricalIndex(['a', 'a', 'a', 'e'],
 categories=['a', 'b', 'c', 'd', 'e'],
 ordered=False, name='B',
 dtype='category') 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

查看文档获取更多信息。(GH 7629, GH 10038, GH 10039) ### 示例

Series、DataFrames 和 Panels 现在有一个新方法：sample()。该方法接受要返回的特定行数或列数，或总行数或列数的一部分。它还有关于是否使用替换进行抽样、是否传入列作为非均匀抽样的权重以及设置种子值以便复制的选项。 (GH 2419)

In [1]: example_series = pd.Series([0, 1, 2, 3, 4, 5])

# When no arguments are passed, returns 1
In [2]: example_series.sample()
Out[2]: 
3    3
Length: 1, dtype: int64

# One may specify either a number of rows:
In [3]: example_series.sample(n=3)
Out[3]: 
2    2
1    1
0    0
Length: 3, dtype: int64

# Or a fraction of the rows:
In [4]: example_series.sample(frac=0.5)
Out[4]: 
1    1
5    5
3    3
Length: 3, dtype: int64

# weights are accepted.
In [5]: example_weights = [0, 0, 0.2, 0.2, 0.2, 0.4]

In [6]: example_series.sample(n=3, weights=example_weights)
Out[6]: 
2    2
4    4
3    3
Length: 3, dtype: int64

# weights will also be normalized if they do not sum to one,
# and missing values will be treated as zeros.
In [7]: example_weights2 = [0.5, 0, 0, 0, None, np.nan]

In [8]: example_series.sample(n=1, weights=example_weights2)
Out[8]: 
0    0
Length: 1, dtype: int64 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

当应用于 DataFrame 时，可以通过传递列的名称来指定行抽样权重。

In [9]: df = pd.DataFrame({"col1": [9, 8, 7, 6], "weight_column": [0.5, 0.4, 0.1, 0]})

In [10]: df.sample(n=3, weights="weight_column")
Out[10]: 
 col1  weight_column
0     9            0.5
1     8            0.4
2     7            0.1

[3 rows x 2 columns] 
```### 字符串方法增强

继续自 v0.16.0，以下增强使字符串操作更简单，并与标准 Python 字符串操作更一致。

+   向 `Index` 添加了 `StringMethods`（`.str` 访问器） ([GH 9068](https://github.com/pandas-dev/pandas/issues/9068))

    `.str` 访问器现在可用于 `Series` 和 `Index`。

    ```py
    In [11]: idx = pd.Index([" jack", "jill ", " jesse ", "frank"])

    In [12]: idx.str.strip()
    Out[12]: Index(['jack', 'jill', 'jesse', 'frank'], dtype='object') 
    ```

    关于 `Index` 上的 `.str` 访问器的一个特殊情况是，如果字符串方法返回 `bool`，则 `.str` 访问器将返回一个 `np.array` 而不是布尔型 `Index` ([GH 8875](https://github.com/pandas-dev/pandas/issues/8875))。这使得以下表达式可以自然地工作：

    ```py
    In [13]: idx = pd.Index(["a1", "a2", "b1", "b2"])

    In [14]: s = pd.Series(range(4), index=idx)

    In [15]: s
    Out[15]: 
    a1    0
    a2    1
    b1    2
    b2    3
    Length: 4, dtype: int64

    In [16]: idx.str.startswith("a")
    Out[16]: array([ True,  True, False, False])

    In [17]: s[s.index.str.startswith("a")]
    Out[17]: 
    a1    0
    a2    1
    Length: 2, dtype: int64 
    ```

+   以下新方法可通过 `.str` 访问器访问，以将函数应用于每个值。([GH 9766](https://github.com/pandas-dev/pandas/issues/9766), [GH 9773](https://github.com/pandas-dev/pandas/issues/9773), [GH 10031](https://github.com/pandas-dev/pandas/issues/10031), [GH 10045](https://github.com/pandas-dev/pandas/issues/10045), [GH 10052](https://github.com/pandas-dev/pandas/issues/10052))

    |  |  | 方法 |  |  |
    | --- | --- | --- | --- | --- |
    | `capitalize()` | `swapcase()` | `normalize()` | `partition()` | `rpartition()` |
    | `index()` | `rindex()` | `translate()` |  |  |

+   `split` 现在接受 `expand` 关键字来指定是否扩展维度。`return_type` 已被弃用。 ([GH 9847](https://github.com/pandas-dev/pandas/issues/9847))

    ```py
    In [18]: s = pd.Series(["a,b", "a,c", "b,c"])

    # return Series
    In [19]: s.str.split(",")
    Out[19]: 
    0    [a, b]
    1    [a, c]
    2    [b, c]
    Length: 3, dtype: object

    # return DataFrame
    In [20]: s.str.split(",", expand=True)
    Out[20]: 
     0  1
    0  a  b
    1  a  c
    2  b  c

    [3 rows x 2 columns]

    In [21]: idx = pd.Index(["a,b", "a,c", "b,c"])

    # return Index
    In [22]: idx.str.split(",")
    Out[22]: Index([['a', 'b'], ['a', 'c'], ['b', 'c']], dtype='object')

    # return MultiIndex
    In [23]: idx.str.split(",", expand=True)
    Out[23]: 
    MultiIndex([('a', 'b'),
     ('a', 'c'),
     ('b', 'c')],
     ) 
    ```

+   改进了 `Index.str` 的 `extract` 和 `get_dummies` 方法 ([GH 9980](https://github.com/pandas-dev/pandas/issues/9980))  ### 其他增强

+   `BusinessHour` 偏移现在受支持，它表示默认从 09:00 - 17:00 开始的 `BusinessDay` 的工作小时。详情请参见这里。([GH 7905](https://github.com/pandas-dev/pandas/issues/7905))

    ```py
    In [24]: pd.Timestamp("2014-08-01 09:00") + pd.tseries.offsets.BusinessHour()
    Out[24]: Timestamp('2014-08-01 10:00:00')

    In [25]: pd.Timestamp("2014-08-01 07:00") + pd.tseries.offsets.BusinessHour()
    Out[25]: Timestamp('2014-08-01 10:00:00')

    In [26]: pd.Timestamp("2014-08-01 16:30") + pd.tseries.offsets.BusinessHour()
    Out[26]: Timestamp('2014-08-04 09:30:00') 
    ```

+   `DataFrame.diff` 现在接受一个 `axis` 参数，该参数确定差分的方向 ([GH 9727](https://github.com/pandas-dev/pandas/issues/9727))

+   允许`clip`、`clip_lower`和`clip_upper`接受类似数组的阈值作为参数（这是从 0.11.0 开始的一个回归）。 这些方法现在具有一个`axis`参数，该参数确定 Series 或 DataFrame 将如何与阈值对齐。 ([GH 6966](https://github.com/pandas-dev/pandas/issues/6966))

+   `DataFrame.mask()`和`Series.mask()`现在支持与`where`相同的关键字。 ([GH 8801](https://github.com/pandas-dev/pandas/issues/8801))

+   当目标数据中不存在任何标签时，`drop`函数现在可以接受`errors`关键字来抑制引发的`ValueError`。 ([GH 6736](https://github.com/pandas-dev/pandas/issues/6736))

    ```py
    In [27]: df = pd.DataFrame(np.random.randn(3, 3), columns=["A", "B", "C"])

    In [28]: df.drop(["A", "X"], axis=1, errors="ignore")
    Out[28]: 
     B         C
    0 -0.706771 -1.039575
    1 -0.424972  0.567020
    2 -1.087401 -0.673690

    [3 rows x 2 columns] 
    ```

+   支持使用破折号分隔年份和季度，例如 2014-Q1\. ([GH 9688](https://github.com/pandas-dev/pandas/issues/9688))

+   允许使用`astype(str)`将 dtype 为`datetime64`或`timedelta64`的值转换为字符串。 ([GH 9757](https://github.com/pandas-dev/pandas/issues/9757))

+   `get_dummies`函数现在接受`sparse`关键字。 如果设置为`True`，则返回的`DataFrame`是稀疏的，例如`SparseDataFrame`。 ([GH 8823](https://github.com/pandas-dev/pandas/issues/8823))

+   现在可以将`datetime64`作为值输入。 ([GH 9054](https://github.com/pandas-dev/pandas/issues/9054))

+   在时间定义中缺少前导零时，允许时间间隔字符串转换，例如`0:00:00`与`00:00:00`。 ([GH 9570](https://github.com/pandas-dev/pandas/issues/9570))

+   允许使用`axis='items'`对`Panel.shift`进行偏移。 ([GH 9890](https://github.com/pandas-dev/pandas/issues/9890))

+   尝试写入 excel 文件现在会引发`NotImplementedError`，如果`DataFrame`具有`MultiIndex`而不是写入损坏的 Excel 文件。 ([GH 9794](https://github.com/pandas-dev/pandas/issues/9794))

+   允许`Categorical.add_categories`接受`Series`或`np.array`。 ([GH 9927](https://github.com/pandas-dev/pandas/issues/9927))

+   从`__dir__`动态添加/删除`str/dt/cat`访问器。 ([GH 9910](https://github.com/pandas-dev/pandas/issues/9910))

+   将`normalize`添加为`dt`访问器方法。([GH 10047](https://github.com/pandas-dev/pandas/issues/10047))

+   `DataFrame`和`Series`现在具有`_constructor_expanddim`属性，作为一种更高维度数据的可重写构造函数。 只有在真正需要时才应该使用此选项，详见此处

+   `pd.lib.infer_dtype`现在在适当的情况下在 Python 3 中返回`'bytes'`。 ([GH 10032](https://github.com/pandas-dev/pandas/issues/10032))  ### CategoricalIndex

我们引入了`CategoricalIndex`，这是一种新类型的索引对象，对于支持具有重复索引的索引非常有用。 这是围绕`Categorical`（在 v0.15.0 中引入）的一个容器，允许有效地索引和存储具有大量重复元素的索引。 在 0.16.1 之前，将具有类别 dtype 的 DataFrame/Series 的索引设置为常规基于对象的索引。

```py
In [1]: df = pd.DataFrame({'A': np.arange(6),
 ...:                   'B': pd.Series(list('aabbca'))
 ...:                          .astype('category', categories=list('cab'))
 ...:                   })
 ...:

In [2]: df
Out[2]:
 A  B
0  0  a
1  1  a
2  2  b
3  3  b
4  4  c
5  5  a

In [3]: df.dtypes
Out[3]:
A       int64
B    category
dtype: object

In [4]: df.B.cat.categories
Out[4]: Index(['c', 'a', 'b'], dtype='object') 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182

设置索引将创建一个CategoricalIndex

In [5]: df2 = df.set_index('B')

In [6]: df2.index
Out[6]: CategoricalIndex(['a', 'a', 'b', 'b', 'c', 'a'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2
3
4

使用 __getitem__/.iloc/.loc/.ix 进行索引工作方式类似于具有重复项的索引。索引器必须在分类中，否则操作将引发异常。

In [7]: df2.loc['a']
Out[7]:
 A
B
a  0
a  1
a  5 
1
2
3
4
5
6
7

并保留 CategoricalIndex

In [8]: df2.loc['a'].index
Out[8]: CategoricalIndex(['a', 'a', 'a'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2

排序将按照类别的顺序排序

In [9]: df2.sort_index()
Out[9]:
 A
B
c  4
a  0
a  1
a  5
b  2
b  3 
1
2
3
4
5
6
7
8
9
10

对索引进行的 groupby 操作也将保留索引的性质

In [10]: df2.groupby(level=0).sum()
Out[10]:
 A
B
c  4
a  6
b  5

In [11]: df2.groupby(level=0).sum().index
Out[11]: CategoricalIndex(['c', 'a', 'b'], categories=['c', 'a', 'b'], ordered=False, name='B', dtype='category') 
1
2
3
4
5
6
7
8
9
10

重新索引操作将根据传递的索引器的类型返回结果索引，这意味着传递列表将返回一个普通的 Index；使用 Categorical 进行索引将返回一个 CategoricalIndex，根据传递的 Categorical dtype 的类别进行索引。这允许任意索引这些，即使值不在类别中，类似于如何重新索引任何 pandas 索引。

In [12]: df2.reindex(['a', 'e'])
Out[12]:
 A
B
a  0.0
a  1.0
a  5.0
e  NaN

In [13]: df2.reindex(['a', 'e']).index
Out[13]: pd.Index(['a', 'a', 'a', 'e'], dtype='object', name='B')

In [14]: df2.reindex(pd.Categorical(['a', 'e'], categories=list('abcde')))
Out[14]:
 A
B
a  0.0
a  1.0
a  5.0
e  NaN

In [15]: df2.reindex(pd.Categorical(['a', 'e'], categories=list('abcde'))).index
Out[15]: pd.CategoricalIndex(['a', 'a', 'a', 'e'],
 categories=['a', 'b', 'c', 'd', 'e'],
 ordered=False, name='B',
 dtype='category') 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

有关更多信息，请参见文档。(GH 7629, GH 10038, GH 10039)

示例

Series、DataFrames 和 Panels 现在有了一个新的方法：sample()。该方法接受要返回的特定行数或列数，或总行数或列数的一部分的分数。它还具有使用或不使用替换进行抽样的选项，用于传入权重列以进行非均匀抽样的选项，并设置种子值以便进行复制。(GH 2419)

In [1]: example_series = pd.Series([0, 1, 2, 3, 4, 5])

# When no arguments are passed, returns 1
In [2]: example_series.sample()
Out[2]: 
3    3
Length: 1, dtype: int64

# One may specify either a number of rows:
In [3]: example_series.sample(n=3)
Out[3]: 
2    2
1    1
0    0
Length: 3, dtype: int64

# Or a fraction of the rows:
In [4]: example_series.sample(frac=0.5)
Out[4]: 
1    1
5    5
3    3
Length: 3, dtype: int64

# weights are accepted.
In [5]: example_weights = [0, 0, 0.2, 0.2, 0.2, 0.4]

In [6]: example_series.sample(n=3, weights=example_weights)
Out[6]: 
2    2
4    4
3    3
Length: 3, dtype: int64

# weights will also be normalized if they do not sum to one,
# and missing values will be treated as zeros.
In [7]: example_weights2 = [0.5, 0, 0, 0, None, np.nan]

In [8]: example_series.sample(n=1, weights=example_weights2)
Out[8]: 
0    0
Length: 1, dtype: int64 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

当应用于 DataFrame 时，可以传递列的名称以指定从行中抽样时的抽样权重。

In [9]: df = pd.DataFrame({"col1": [9, 8, 7, 6], "weight_column": [0.5, 0.4, 0.1, 0]})

In [10]: df.sample(n=3, weights="weight_column")
Out[10]: 
 col1  weight_column
0     9            0.5
1     8            0.4
2     7            0.1

[3 rows x 2 columns] 
1
2
3
4
5
6
7
8
9
10

字符串方法增强

从 v0.16.0 继续，以下增强使字符串操作更加简单且与标准 python 字符串操作更一致。

向 Index 添加了 StringMethods（.str 访问器）(GH 9068)

.str 访问器现在对 Series 和 Index 都可用。

In [11]: idx = pd.Index([" jack", "jill ", " jesse ", "frank"])

In [12]: idx.str.strip()
Out[12]: Index(['jack', 'jill', 'jesse', 'frank'], dtype='object') 
1
2
3
4

.str 访问器在 Index 上的一个特殊情况是，如果字符串方法返回 bool，则 .str 访问器将返回一个 np.array 而不是布尔值 Index (GH 8875)。这使得以下表达式自然地工作：

In [13]: idx = pd.Index(["a1", "a2", "b1", "b2"])

In [14]: s = pd.Series(range(4), index=idx)

In [15]: s
Out[15]: 
a1    0
a2    1
b1    2
b2    3
Length: 4, dtype: int64

In [16]: idx.str.startswith("a")
Out[16]: array([ True,  True, False, False])

In [17]: s[s.index.str.startswith("a")]
Out[17]: 
a1    0
a2    1
Length: 2, dtype: int64 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

以下新方法可以通过 .str 访问器访问以将函数应用于每个值。(GH 9766, GH 9773, GH 10031, GH 10045, GH 10052)

方法
capitalize() swapcase() normalize() partition() rpartition()
index() rindex() translate()

		方法
`capitalize()`	`swapcase()`	`normalize()`	`partition()`	`rpartition()`
`index()`	`rindex()`	`translate()`

split 现在采用 expand 关键字来指定是否扩展维度。return_type 已弃用。（GH 9847）

In [18]: s = pd.Series(["a,b", "a,c", "b,c"])

# return Series
In [19]: s.str.split(",")
Out[19]: 
0    [a, b]
1    [a, c]
2    [b, c]
Length: 3, dtype: object

# return DataFrame
In [20]: s.str.split(",", expand=True)
Out[20]: 
 0  1
0  a  b
1  a  c
2  b  c

[3 rows x 2 columns]

In [21]: idx = pd.Index(["a,b", "a,c", "b,c"])

# return Index
In [22]: idx.str.split(",")
Out[22]: Index([['a', 'b'], ['a', 'c'], ['b', 'c']], dtype='object')

# return MultiIndex
In [23]: idx.str.split(",", expand=True)
Out[23]: 
MultiIndex([('a', 'b'),
 ('a', 'c'),
 ('b', 'c')],
 ) 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

改进了 Index.str 的 extract 和 get_dummies 方法。（GH 9980）

其他增强

现在支持 BusinessHour 偏移，它默认表示从 BusinessDay 上的 09:00 - 17:00 开始的工作时间。详情请参阅此处。（GH 7905）

In [24]: pd.Timestamp("2014-08-01 09:00") + pd.tseries.offsets.BusinessHour()
Out[24]: Timestamp('2014-08-01 10:00:00')

In [25]: pd.Timestamp("2014-08-01 07:00") + pd.tseries.offsets.BusinessHour()
Out[25]: Timestamp('2014-08-01 10:00:00')

In [26]: pd.Timestamp("2014-08-01 16:30") + pd.tseries.offsets.BusinessHour()
Out[26]: Timestamp('2014-08-04 09:30:00') 
1
2
3
4
5
6
7
8

DataFrame.diff 现在接受一个 axis 参数，该参数确定差分的方向。（GH 9727）
允许 clip、clip_lower 和 clip_upper 接受类似数组的阈值作为参数（这是从 0.11.0 版本中的一个回归）。这些方法现在有一个 axis 参数，确定 Series 或 DataFrame 将如何与阈值对齐。（GH 6966）
DataFrame.mask() 和 Series.mask() 现在支持与 where 相同的关键字。（GH 8801）

drop 函数现在可以接受 errors 关键字以抑制在目标数据中任何标签不存在时引发的 ValueError。（GH 6736）

In [27]: df = pd.DataFrame(np.random.randn(3, 3), columns=["A", "B", "C"])

In [28]: df.drop(["A", "X"], axis=1, errors="ignore")
Out[28]: 
 B         C
0 -0.706771 -1.039575
1 -0.424972  0.567020
2 -1.087401 -0.673690

[3 rows x 2 columns] 
1
2
3
4
5
6
7
8
9
10

添加了使用破折号分隔年份和季度的支持，例如 2014-Q1。（GH 9688）
允许使用 astype(str) 将 dtype 为 datetime64 或 timedelta64 的值转换为字符串。（GH 9757）
get_dummies 函数现在接受 sparse 关键字。如果设置为 True，返回的 DataFrame 是稀疏的，例如 SparseDataFrame。（GH 8823）
Period 现在接受 datetime64 作为值输入。（GH 9054）
允许在时间定义中省略前导零时进行时间差字符串转换，即 0:00:00 与 00:00:00。（GH 9570）
允许使用 axis='items' 进行 Panel.shift。（GH 9890）
如果 DataFrame 具有 MultiIndex，尝试写入 Excel 文件现在会引发 NotImplementedError，而不是写入损坏的 Excel 文件。（GH 9794）
允许 Categorical.add_categories 接受 Series 或 np.array。（GH 9927）
从 __dir__ 动态添加/删除 str/dt/cat 访问器。（GH 9910）
将 normalize 添加为 dt 访问器方法。（GH 10047）
DataFrame和Series现在有了_constructor_expanddim属性，作为可重写的构造函数，用于一维更高维度数据。仅在确实需要时使用，参见这里
pd.lib.infer_dtype现在在适当的情况下，在 Python 3 中返回'bytes'（GH 10032）

API 更改

当向 df.plot( ..., ax=ax)传入 ax 时，sharex关键字现在默认为False。其结果是 xlabels 和 xticklabels 的可见性不再改变。您必须自行设置正确的轴以使其生效，或者显式设置sharex=True（但这会改变图中所有轴的可见性，而不仅仅是传入的一个！）。如果 pandas 自己创建子图（例如没有传入ax关键字），则默认仍为sharex=True，并且可见性更改会被应用。
assign()现在按字母顺序插入新列。之前的顺序是任意的（GH 9777）
默认情况下，read_csv和read_table现在将尝试根据文件扩展名推断压缩类型。设置compression=None以恢复先前的行为（无解压缩）（GH 9770）

废弃

Series.str.split的return_type关键字已被移除，改用expand（GH 9847）
Series.str.split的return_type关键字已被移除，改用expand（GH 9847）

索引表示

The string representation of Index and its sub-classes have now been unified. These will show a single-line display if there are few values; a wrapped multi-line display for a lot of values (but less than display.max_seq_items; if lots of items (> display.max_seq_items) will show a truncated display (the head and tail of the data). The formatting for MultiIndex is unchanged (a multi-line wrapped display). The display width responds to the option display.max_seq_items, which is defaulted to 100. (GH 6482)

先前行为

In [2]: pd.Index(range(4), name='foo')
Out[2]: Int64Index([0, 1, 2, 3], dtype='int64')

In [3]: pd.Index(range(104), name='foo')
Out[3]: Int64Index([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, ...], dtype='int64')

In [4]: pd.date_range('20130101', periods=4, name='foo', tz='US/Eastern')
Out[4]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2013-01-01 00:00:00-05:00, ..., 2013-01-04 00:00:00-05:00]
Length: 4, Freq: D, Timezone: US/Eastern

In [5]: pd.date_range('20130101', periods=104, name='foo', tz='US/Eastern')
Out[5]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2013-01-01 00:00:00-05:00, ..., 2013-04-14 00:00:00-04:00]
Length: 104, Freq: D, Timezone: US/Eastern 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

新行为

In [29]: pd.set_option("display.width", 80)

In [30]: pd.Index(range(4), name="foo")
Out[30]: RangeIndex(start=0, stop=4, step=1, name='foo')

In [31]: pd.Index(range(30), name="foo")
Out[31]: RangeIndex(start=0, stop=30, step=1, name='foo')

In [32]: pd.Index(range(104), name="foo")
Out[32]: RangeIndex(start=0, stop=104, step=1, name='foo')

In [33]: pd.CategoricalIndex(["a", "bb", "ccc", "dddd"], ordered=True, name="foobar")
Out[33]: CategoricalIndex(['a', 'bb', 'ccc', 'dddd'], categories=['a', 'bb', 'ccc', 'dddd'], ordered=True, dtype='category', name='foobar')

In [34]: pd.CategoricalIndex(["a", "bb", "ccc", "dddd"] * 10, ordered=True, name="foobar")
Out[34]: 
CategoricalIndex(['a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a',
 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb',
 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc',
 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd',
 'a', 'bb', 'ccc', 'dddd'],
 categories=['a', 'bb', 'ccc', 'dddd'], ordered=True, dtype='category', name='foobar')

In [35]: pd.CategoricalIndex(["a", "bb", "ccc", "dddd"] * 100, ordered=True, name="foobar")
Out[35]: 
CategoricalIndex(['a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a',
 'bb',
 ...
 'ccc', 'dddd', 'a', 'bb', 'ccc', 'dddd', 'a', 'bb', 'ccc',
 'dddd'],
 categories=['a', 'bb', 'ccc', 'dddd'], ordered=True, dtype='category', name='foobar', length=400)

In [36]: pd.date_range("20130101", periods=4, name="foo", tz="US/Eastern")
Out[36]: 
DatetimeIndex(['2013-01-01 00:00:00-05:00', '2013-01-02 00:00:00-05:00',
 '2013-01-03 00:00:00-05:00', '2013-01-04 00:00:00-05:00'],
 dtype='datetime64[ns, US/Eastern]', name='foo', freq='D')

In [37]: pd.date_range("20130101", periods=25, freq="D")
Out[37]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
 '2013-01-05', '2013-01-06', '2013-01-07', '2013-01-08',
 '2013-01-09', '2013-01-10', '2013-01-11', '2013-01-12',
 '2013-01-13', '2013-01-14', '2013-01-15', '2013-01-16',
 '2013-01-17', '2013-01-18', '2013-01-19', '2013-01-20',
 '2013-01-21', '2013-01-22', '2013-01-23', '2013-01-24',
 '2013-01-25'],
 dtype='datetime64[ns]', freq='D')

In [38]: pd.date_range("20130101", periods=104, name="foo", tz="US/Eastern")
Out[38]: 
DatetimeIndex(['2013-01-01 00:00:00-05:00', '2013-01-02 00:00:00-05:00',
 '2013-01-03 00:00:00-05:00', '2013-01-04 00:00:00-05:00',
 '2013-01-05 00:00:00-05:00', '2013-01-06 00:00:00-05:00',
 '2013-01-07 00:00:00-05:00', '2013-01-08 00:00:00-05:00',
 '2013-01-09 00:00:00-05:00', '2013-01-10 00:00:00-05:00',
 ...
 '2013-04-05 00:00:00-04:00', '2013-04-06 00:00:00-04:00',
 '2013-04-07 00:00:00-04:00', '2013-04-08 00:00:00-04:00',
 '2013-04-09 00:00:00-04:00', '2013-04-10 00:00:00-04:00',
 '2013-04-11 00:00:00-04:00', '2013-04-12 00:00:00-04:00',
 '2013-04-13 00:00:00-04:00', '2013-04-14 00:00:00-04:00'],
 dtype='datetime64[ns, US/Eastern]', name='foo', length=104, freq='D') 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63

性能改进

改善了 csv 写入性能，包括混合 dtype 和 datetimes，最多提高了 5 倍（GH 9940）
csv 写入性能总体提升了 2 倍（GH 9940）
pd.lib.max_len_string_array的性能提升了 5-7 倍（GH 10024）

Bug 修复

在 DataFrame.plot() 的图例中标签未正确显示的 Bug，传递 label= 参数可以解决，并且不再改变 Series 的索引。 (GH 9542)
在 json 序列化中存在的 Bug，在一个框架的长度为零时会导致段错误。 (GH 9805)
在 read_csv 中存在的 Bug，缺少尾随分隔符会导致段错误。 (GH 5664)
在附加时保留索引名称的 Bug。 (GH 9862)
在 scatter_matrix 中绘制意外的轴刻度标签的 Bug。 (GH 5662)
修复了 StataWriter 中的 Bug，导致保存后更改输入的 DataFrame。 (GH 9795).
transform 中存在的 Bug，当存在空值条目并且正在使用快速聚合器时会导致长度不匹配。 (GH 9697)
在 equals 中存在的 Bug，在块顺序不同的情况下会导致误报负例。 (GH 9330)
具有多个 pd.Grouper 的分组中存在 Bug，其中一个不基于时间。 (GH 10063)
在读取带有时区的 postgres 表时存在 read_sql_table 错误。 (GH 7139)
切片 DataFrame 中可能不保留元数据的 Bug。 (GH 9776)
TimdeltaIndex 在固定 HDFStore 中未正确序列化的 Bug。 (GH 9635)
使用另一个 TimedeltaIndex 作为数据时，TimedeltaIndex 构造函数忽略 name 的 Bug。 (GH 10025).
在 DataFrameFormatter._get_formatted_index 中存在的 Bug，未将max_colwidth应用于 DataFrame 索引。 (GH 7856)
使用只读 ndarray 数据源时.loc 中存在的 Bug。 (GH 10043)
groupby.apply() 中存在的一个 Bug，如果传入的用户定义函数只返回None（对于所有输入），会引发错误。 (GH 9685)
在 pytables 测试中始终使用临时文件。 (GH 9992)
持续使用 secondary_y 绘图可能不正确显示图例的 Bug。 (GH 9610, GH 9779)
在 DataFrame.plot(kind="hist") 中存在的 Bug，当 DataFrame 包含非数值列时会导致 TypeError。 (GH 9853)
在重复绘制具有 DatetimeIndex 的 DataFrame 可能会引发 TypeError 的 Bug。 (GH 9852)
setup.py 中的 Bug 允许不兼容的 cython 版本构建 (GH 9827)
绘制 secondary_y 时的 Bug 错误地将 right_ax 属性附加到递归指定自身的次要轴上。 (GH 9861)
Series.quantile 中的 Bug 在空的 Datetime 或 Timedelta 类型的 Series 上 (GH 9675)
在 where 中的 Bug 导致需要上转时出现不正确的结果 (GH 9731)
FloatArrayFormatter 中的 Bug，其中在十进制格式中显示“小”浮点数的决策边界与给定的 display.precision 的数量级相差一个数量级。 (GH 9764)
修复了 DataFrame.plot() 在传递 color 和 style 关键字且样式字符串中没有颜色符号时引发错误的 Bug (GH 9671)
在将列表样式与 Index 结合时未显示 DeprecationWarning (GH 10083)
在使用 skip_rows 参数时，read_csv 和 read_table 中的 Bug 如果存在空行会导致跳过。 (GH 9832)
read_csv() 中的 Bug 将 index_col=True 解释为 1 (GH 9798)
在使用 == 进行索引相等比较时，Index/MultiIndex 类型不兼容导致失败的 Bug (GH 9785)
SparseDataFrame 中的 Bug 无法将 nan 作为列名 (GH 8822)
to_msgpack 和 read_msgpack 中的 Bug zlib 和 blosc 压缩支持 (GH 9783)
GroupBy.size 中的 Bug 如果按 TimeGrouper 分组，则未正确附加索引名称。 (GH 9925)
在切片赋值中引发异常的 Bug，因为 length_of_indexer 返回错误��结果 (GH 9995)
在 csv 解析器中导致以初始空格加一个非空格字符开头的行被跳过的 Bug。 (GH 9710)
在 C csv 解析器中的 Bug 导致数据以换行符开头，后跟空格时出现虚假的 NaN。 (GH 10022)
分组时，具有空组的元素会溢出到最终组的 Bug，当按 Categorical 分组时 (GH 9603)
空数据框上的 .iloc 和 .loc 行为不一致的 Bug (GH 9964)
在 TimedeltaIndex 上无效属性访问的 Bug 错误地引发 ValueError 而不是 AttributeError (GH 9680)
分类数据和标量之间不相等比较的错误，这些数据不在类别中（例如Series(Categorical(list("abc"), ordered=True)) > "d"。对于所有元素，这返回False，但现在会引发TypeError。相等比较现在也会对==返回False，对!=返回True。(GH 9848)
在 DataFrame __setitem__中，当右侧是字典时的错误。(GH 9874)
在where中的错误，当 dtype 为datetime64/timedelta64，但其他的 dtype 不是时。(GH 9804)
在MultiIndex.sortlevel()中的错误导致 unicode 级别名称中断。(GH 9856)
groupby.transform中的错误，错误地强制输出 dtype 与输入 dtype 匹配。(GH 9807)
在DataFrame构造函数中，当设置columns参数时，data是空列表时的错误。(GH 9939)
使用log=True的条形图中的错误，如果所有值都小于 1，则会引发TypeError。(GH 9905)
在水平条形图中忽略log=True的错误。(GH 9905)
在 PyTables 查询中的错误，未使用索引返回正确结果。(GH 8265, GH 9676)
在包含Decimal类型值的数据框除以另一个Decimal时会引发错误。(GH 9787)
使用 DataFrames 作为频率时会导致索引名称丢失的错误。(GH 9885)
导致在重新采样 BM/BQ 时出现额外索引点的错误。(GH 9756)
将AbstractHolidayCalendar中的缓存更改为实例级别，而不是类级别，因为后者可能导致意外行为。(GH 9552)
修复了多重索引数据框的 Latex 输出。(GH 9778)
使用DataFrame.loc设置空范围时会引发异常的错误。(GH 9596)
在添加新绘图到现有轴网格时，隐藏子图和共享轴的刻度标签时的错误。(GH 9158)
在对分类变量进行分组时，在transform和filter中的错误。(GH 9921)
在输入索引中组数和 dtype 与输入索引相等时，在transform中的错误。(GH 9700)
Google BigQuery 连接器现在按方法导入依赖项。(GH 9713)
将 BigQuery 连接器更新为不再使用已弃用的oauth2client.tools.run()（GH 8327）
在子类化的DataFrame中存在的错误。在对其进行切片或子集化时，可能不会返回正确的类。(GH 9632)
.median()中的错误，未正确处理非浮点数空值(GH 10040)
Series.fillna()中的错误，当给出可以转换为数字的字符串时引发错误(GH 10092)

贡献者

共有 58 人为此版本提交了补丁。名字后面带有“+”符号的人是首次贡献补丁的。

Alfonso MHC +
Andy Hayden
Artemy Kolchinsky
Chris Gilmer +
Chris Grinolds +
Dan Birken
David BROCHART +
David Hirschfeld +
David Stephens
Dr. Leo +
Evan Wright +
Frans van Dunné +
Hatem Nassrat +
Henning Sperr +
Hugo Herter +
Jan Schulz
Jeff Blackburne +
Jeff Reback
Jim Crist +
Jonas Abernot +
Joris Van den Bossche
Kerby Shedden
Leo Razoumov +
Manuel Riel +
Mortada Mehyar
Nick Burns +
Nick Eubank +
Olivier Grisel
Phillip Cloud
Pietro Battiston
Roy Hyunjin Han
Sam Zhang +
Scott Sanderson +
Sinhrks +
Stephan Hoyer
Tiago Antao
Tom Ajamian +
Tom Augspurger
Tomaz Berisa +
Vikram Shirgur +
Vladimir Filimonov
William Hogman +
Yasin A +
Younggun Kim +
Behzad Nouri
Dsm054
Floydsoft +
Flying-sheep +
Gfr +
Jnmclarty
Jreback
Ksanghai +
Lucas +
Mschmohl +
Ptype +
Rockg
Scls19fr +
Sinhrks
，而不是类级别，因为后者可能导致意外行为。(GH 9552)
修复了多重索引数据框的 Latex 输出。(GH 9778)
使用DataFrame.loc设置空范围时会引发异常的错误。(GH 9596)
在添加新绘图到现有轴网格时，隐藏子图和共享轴的刻度标签时的错误。(GH 9158)
在对分类变量进行分组时，在transform和filter中的错误。(GH 9921)
在输入索引中组数和 dtype 与输入索引相等时，在transform中的错误。(GH 9700)
Google BigQuery 连接器现在按方法导入依赖项。(GH 9713)
将 BigQuery 连接器更新为不再使用已弃用的oauth2client.tools.run()（GH 8327）
在子类化的DataFrame中存在的错误。在对其进行切片或子集化时，可能不会返回正确的类。(GH 9632)
.median()中的错误，未正确处理非浮点数空值(GH 10040)
Series.fillna()中的错误，当给出可以转换为数字的字符串时引发错误(GH 10092)

贡献者

共有 58 人为此版本提交了补丁。名字后面带有“+”符号的人是首次贡献补丁的。

Alfonso MHC +
Andy Hayden
Artemy Kolchinsky
Chris Gilmer +
Chris Grinolds +
Dan Birken
David BROCHART +
David Hirschfeld +
David Stephens
Dr. Leo +
Evan Wright +
Frans van Dunné +
Hatem Nassrat +
Henning Sperr +
Hugo Herter +
Jan Schulz
Jeff Blackburne +
Jeff Reback
Jim Crist +
Jonas Abernot +
Joris Van den Bossche
Kerby Shedden
Leo Razoumov +
Manuel Riel +
Mortada Mehyar
Nick Burns +
Nick Eubank +
Olivier Grisel
Phillip Cloud
Pietro Battiston
Roy Hyunjin Han
Sam Zhang +
Scott Sanderson +
Sinhrks +
Stephan Hoyer
Tiago Antao
Tom Ajamian +
Tom Augspurger
Tomaz Berisa +
Vikram Shirgur +
Vladimir Filimonov
William Hogman +
Yasin A +
Younggun Kim +
Behzad Nouri
Dsm054
Floydsoft +
Flying-sheep +
Gfr +
Jnmclarty
Jreback
Ksanghai +
Lucas +
Mschmohl +
Ptype +
Rockg
Scls19fr +
Sinhrks

本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】