9 जानेवारी रोजी, Pandas 1.0.0rc रिलीज झाला. लायब्ररीची मागील आवृत्ती 0.25 आहे.

पहिल्या प्रमुख रिलीझमध्ये सुधारित स्वयंचलित डेटाफ्रेम सारांश, अधिक आउटपुट स्वरूप, नवीन डेटा प्रकार आणि अगदी नवीन दस्तऐवजीकरण साइटसह अनेक उत्कृष्ट नवीन वैशिष्ट्ये आहेत.

सर्व बदल पाहिले जाऊ शकतात येथे, लेखात आम्ही स्वतःला सर्वात महत्वाच्या गोष्टींच्या छोट्या, कमी तांत्रिक पुनरावलोकनापुरते मर्यादित करू.

तुम्ही नेहमीप्रमाणे लायब्ररी इन्स्टॉल करू शकता वाळीत टाकणे, परंतु पांडा लिहिण्याच्या वेळी 1.0 अजूनही आहे उमेदवार सोडा, तुम्हाला आवृत्ती स्पष्टपणे निर्दिष्ट करण्याची आवश्यकता असेल:

pip install --upgrade pandas==1.0.0rc0

सावधगिरी बाळगा: हे एक प्रमुख प्रकाशन असल्याने, अद्यतन जुना कोड खंडित करू शकतो!

तसे, या आवृत्तीपासून पायथन 2 साठी समर्थन पूर्णपणे बंद केले गेले आहे (एक चांगले कारण काय असू शकते अद्यतन - अंदाजे भाषांतर). Pandas 1.0 ला किमान Python 3.6+ आवश्यक आहे, त्यामुळे तुम्हाला खात्री नसल्यास, तुम्ही कोणते इंस्टॉल केले आहे ते तपासा:

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

$ python --version
Python 3.7.5

पांडा आवृत्ती तपासण्याचा सर्वात सोपा मार्ग आहे:

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

DataFrame.info सह सुधारित स्वयं-सारांश

माझे आवडते नावीन्यपूर्ण नवीनीकरण पद्धतीचे अद्यतन होते DataFrame.info. फंक्शन अधिक वाचनीय झाले आहे, ज्यामुळे डेटा एक्सप्लोरेशनची प्रक्रिया आणखी सोपी झाली आहे:

>>> 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

मार्कडाउन फॉरमॅटमध्ये आउटपुट टेबल

मार्कडाउन टेबल्सचा वापर करून डेटाफ्रेम निर्यात करण्याची क्षमता ही तितकीच आनंददायी नवकल्पना आहे DataFrame.to_markdown.

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

हे github gists वापरून मध्यम सारख्या साइटवर सारण्या प्रकाशित करणे खूप सोपे करते.

स्ट्रिंग आणि बुलियनसाठी नवीन प्रकार

पांडा 1.0 रिलीझमध्ये देखील नवीन जोडले गेले प्रायोगिक प्रकार त्यांचे API अजूनही बदलू शकतात, म्हणून ते सावधगिरीने वापरा. परंतु सर्वसाधारणपणे, पांडस जेथे अर्थ असेल तेथे नवीन प्रकार वापरण्याची शिफारस करतात.

आत्तासाठी, कास्ट स्पष्टपणे करणे आवश्यक आहे:

>>> 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

स्तंभ कसा आहे याकडे लक्ष द्या Dtype नवीन प्रकार प्रदर्शित करते - स्ट्रिंग и बूल.

नवीन स्ट्रिंग प्रकारातील सर्वात उपयुक्त वैशिष्ट्य म्हणजे निवडण्याची क्षमता फक्त पंक्ती स्तंभ डेटाफ्रेममधून. हे मजकूर डेटा पार्स करणे खूप सोपे करू शकते:

df.select_dtypes("string")

पूर्वी, स्पष्टपणे नावे नमूद केल्याशिवाय पंक्ती स्तंभ निवडले जाऊ शकत नव्हते.

आपण नवीन प्रकारांबद्दल अधिक वाचू शकता येथे.

वाचल्याबद्दल धन्यवाद! आधीच नमूद केल्याप्रमाणे बदलांची संपूर्ण यादी पाहिली जाऊ शकते येथे.

स्त्रोत: www.habr.com