注意：Pandas 1.0.0rc已于1月9日發(fā)布，先前的版本為0.25。

Pandas首個(gè)全新主要發(fā)行版本包含許多重要功能：更完善的數(shù)據(jù)框自動(dòng)匯總、更全面的輸出格式、全新的數(shù)據(jù)類型以及文檔站點(diǎn)。

在全新的文檔站點(diǎn)上，可以找到完整的發(fā)行說(shuō)明，但小芯認(rèn)為，技術(shù)含量較低的概述也會(huì)有所幫助。

[[314605]]

用戶可以使用 pip升級(jí)Pandas，以便使用其新版本。在撰寫本文時(shí)，Pandas1.0仍然是候選版本，這意味著要安裝Pandas1.0需要明確指定其版本。

pip install --upgradepandas==1.0.0rc0 

當(dāng)然，更新可能會(huì)破壞某些代碼，因?yàn)檫@是主要版本的發(fā)布，因此請(qǐng)務(wù)必小心! 此版本的Pandas不再支持Python 2。運(yùn)行Pandas 1.0+至少需要Python 3.6+，因此請(qǐng)確保使用合適版本的pip 和python。

$ pip --version 
pip 19.3.1 from /usr/local/lib/python3.7/site-packages/pip (python 3.7)$ python--version 
Python 3.7.5 

用戶可以確認(rèn)一切正常，并且Pandas使用的是正確版本。

>>> import pandas as pd 
>>> pd.__version__ 
1.0.0rc0 

使用DataFrame.info更好的自動(dòng)匯總

筆者最喜歡的新功能是優(yōu)化之后的DataFrame.info法。現(xiàn)在，它使用了更具可讀性的格式，從而使數(shù)據(jù)探索過程更加容易。

>>> df = pd.DataFrame({ 
...:   'A': [1,2,3],  
...:   'B': ["goodbye","cruel", "world"],  
...:   'C': [False, True, False] 
...:}) 
>>> df.info() 
<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 3 entries, 0 to 2 
Data columns (total 3 columns): 
 #  Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0  A       3 non-null      int64 
 1  B       3 non-null      object 
 2  C       3 non-null      object 
dtypes: int64(1), object(2) 
memory usage: 200.0+ bytes 

Markdown表的輸出格式

其次，筆者最喜歡的功能是使用新的 DataFrame.to_markdown 法將數(shù)據(jù)幀導(dǎo)出到Markdown表中。

>>> df.to_markdown() 
|    |  A | B       | C     | 
|---:|----:|:--------|:------| 
|  0 |  1 | goodbye | False | 
|  1 |  2 | cruel   | True  | 
|  2 |  3 | world   | False | 

這樣一來(lái)，通過github gists在Medium等地方顯示表格更加便捷。

booleans and strings的新數(shù)據(jù)類型

[[314606]]

來(lái)源：Pexels

Pandas1.0還為booleans and strings引入了實(shí)驗(yàn)數(shù)據(jù)類型。

由于這些更改是實(shí)驗(yàn)性的，數(shù)據(jù)類型的API可能會(huì)稍有更改，因此應(yīng)謹(jǐn)慎使用。但是Pandas建議在合理的地方使用這些數(shù)據(jù)類型，將來(lái)的版本將完善諸如regex匹配之類的特定于類型的操作性能。

默認(rèn)情況下，Pandas不會(huì)自動(dòng)將數(shù)據(jù)強(qiáng)制轉(zhuǎn)換為這些類型。但是，如果明確指示Pandas，仍然可以使用它們。

>>> B =pd.Series(["goodbye", "cruel", "world"],dtype="string") 
>>> C = pd.Series([False, True, False], dtype="bool") 
>>> df.B = B, df.C = C 
>>> df.info() 
<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 3 entries, 0 to 2 
Data columns (total 3 columns): 
 #  Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0  A       3 non-null      int64 
 1  B       3 non-null      string 
 2  C       3 non-null      bool 
dtypes: int64(1), object(1), string(1) 
memory usage: 200.0+ bytes 

注意Dtype列現(xiàn)在如何反應(yīng)新類型的string和bool。

新字符串dtype最實(shí)用的優(yōu)勢(shì)在于，可以從DataFrame中選擇string列。這樣可以更快地僅對(duì)數(shù)據(jù)集的文本成分進(jìn)行分析。

df.select_dtypes("string") 

以前，只能通過顯式使用其名稱來(lái)選擇string類型列。

從今天開始，掌握Pandas 1.0的主要功能，全新優(yōu)化開啟使用吧~