Kalendis Ianuariis Pandas 9rc dimissus est. Prior versio bibliothecae est 1.0.0.
Prima maior emissio multa et magnas novas notas continet, incluso meliore datae latis compendio, plus output formas, novas formas datas, et etiam novum locum documentorum.
Omnes mutationes videri possunt
Vos can install bibliotheca solito utens SEMEN, sed quia tempore Pandae 1.0 adhuc scribebat dimittis candidatum, versionem expresse exprimere debes:
pip install --upgrade pandas==1.0.0rc0
Cave: cum haec maior emissio sit, renovatio vetus codicem frangere potest!
Obiter suscipiendum Pythone 2 ab hac versione omnino intermissa est.quid sit causa
$ pip --version
pip 19.3.1 from /usr/local/lib/python3.7/site-packages/pip (python 3.7)
$ python --version
Python 3.7.5
Facillima via est ad reprimendam Pandas versionem haec est:
>>> import pandas as pd
>>> pd.__version__
1.0.0rc0
Improved auto- summarization with DataFrame.info
Meus ventus innovatio fuit renovatio ad modum DataFrame.info. Munus multo magis lectibilior factus est, cum processus notitiarum explorationis facilior factus est;
>>> 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
Outputting tables in Markdown format
Pari innovatione iucundum facultas est dataframes exportandi ad tabulas Markdown utendi DataFrame.to_markdown.
>>> df.to_markdown()
| | A | B | C |
|---:|----:|:--------|:------|
| 0 | 1 | goodbye | False |
| 1 | 2 | cruel | True |
| 2 | 3 | world | False |
Inde multo facilius est mensas in locis edendi sicut Medium github gisternis utens.
Nova genera pro chordis et booleans
Pandas 1.0 emissio etiam nova adiecit experimentum generum. Eorum API adhuc muto, caute utere. Sed generatim Pandas novas species utendi suadet ubicumque sensum facit.
Nunc enim eget urna ut dictum est.
>>> 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
Vide quomodo columna Dtype ; Gloria ΠΈ bool.
Utilissimum pluma novae chordae genus est facultatem eligere nisi row columnas ex dataframes. Hoc facere potest multo facilius notitia text parsing:
df.select_dtypes("string")
Antea versuum columnae sine nominibus explicatis deligi non poterant.
De novis generibus legere potes
Gratias tibi ago pro legendi! Plenus index mutationum, ut iam dictum est, spectari potest
Source: www.habr.com