O 9 de xaneiro lanzouse Pandas 1.0.0rc. A versión anterior da biblioteca é a 0.25.
A primeira versión principal contén moitas funcións novas e fantásticas, incluíndo un resumo automático de marcos de datos mellorado, máis formatos de saída, novos tipos de datos e mesmo un novo sitio de documentación.
Pódense ver todos os cambios
Podes instalar a biblioteca como de costume usando PIP, pero xa que no momento de escribir Pandas 1.0 aínda está liberar candidato, terá que especificar explícitamente a versión:
pip install --upgrade pandas==1.0.0rc0
Teña coidado: xa que esta é unha versión importante, a actualización pode romper o código antigo.
Por certo, o soporte para Python 2 foi completamente descontinuado desde esta versión (que pode ser unha boa razón
$ pip --version
pip 19.3.1 from /usr/local/lib/python3.7/site-packages/pip (python 3.7)
$ python --version
Python 3.7.5
A forma máis sinxela de comprobar a versión de Pandas é esta:
>>> import pandas as pd
>>> pd.__version__
1.0.0rc0
Auto-resumo mellorado con DataFrame.info
A miña innovación favorita foi a actualización do método DataFrame.info. A función fíxose moito máis lexible, facilitando aínda máis o proceso de exploración de datos:
>>> 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
Saída de táboas en formato Markdown
Unha innovación igualmente agradable é a capacidade de exportar marcos de datos a táboas de Markdown usando DataFrame.to_markdown.
>>> df.to_markdown()
| | A | B | C |
|---:|----:|:--------|:------|
| 0 | 1 | goodbye | False |
| 1 | 2 | cruel | True |
| 2 | 3 | world | False |
Isto fai que sexa moito máis doado publicar táboas en sitios como Medium usando gists github.
Novos tipos para cadeas e booleanos
A versión 1.0 de Pandas tamén engadiu novas experimental tipos. A súa API aínda pode cambiar, así que úsaa con precaución. Pero, en xeral, Pandas recomenda usar novos tipos sempre que teña sentido.
Polo momento, o reparto debe facerse de forma explícita:
>>> 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
Fíxate como a columna Tipo D mostra novos tipos − corda и tolo.
A característica máis útil do novo tipo de cadea é a posibilidade de seleccionar só columnas de filas desde marcos de datos. Isto pode facilitar moito a análise de datos de texto:
df.select_dtypes("string")
Anteriormente, as columnas de filas non se podían seleccionar sen especificar explícitamente os nomes.
Podes ler máis sobre novos tipos
Grazas por ler! A lista completa de cambios, como xa se mencionou, pódese ver
Fonte: www.habr.com