जनवरी 9 मा, Pandas 1.0.0rc जारी गरिएको थियो। पुस्तकालयको अघिल्लो संस्करण ०.२५ हो।

पहिलो प्रमुख रिलीजमा सुधारिएको स्वचालित डेटाफ्रेम सारांश, थप आउटपुट ढाँचाहरू, नयाँ डेटा प्रकारहरू, र नयाँ कागजात साइटहरू सहित धेरै उत्कृष्ट नयाँ सुविधाहरू समावेश छन्।

सबै परिवर्तनहरू हेर्न सकिन्छ यहाँ, लेखमा हामी आफैलाई सबैभन्दा महत्त्वपूर्ण चीजहरूको सानो, कम प्राविधिक समीक्षामा सीमित गर्नेछौं।

तपाईं प्रयोग गरेर सामान्य रूपमा पुस्तकालय स्थापना गर्न सक्नुहुन्छ PIP, तर पाण्डा 1.0 लेख्ने समयमा अझै पनि छ उम्मेदवार रिहा, तपाईंले स्पष्ट रूपमा संस्करण निर्दिष्ट गर्न आवश्यक हुनेछ:

pip install --upgrade pandas==1.0.0rc0

सावधान रहनुहोस्: किनकि यो एक प्रमुख रिलीज हो, अपडेटले पुरानो कोड तोड्न सक्छ!

खैर, पाइथन २ को लागि समर्थन यस संस्करणदेखि पूर्ण रूपमा बन्द गरिएको छ (के राम्रो कारण हुन सक्छ अपडेट गर्नुहोस् - लगभग। अनुवाद)। Pandas 1.0 लाई कम्तिमा पाइथन 3.6+ चाहिन्छ, त्यसैले यदि तपाइँ निश्चित हुनुहुन्न भने, तपाइँ कुन स्थापना गर्नुभएको छ भनेर जाँच गर्नुहोस्:

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

$ python --version
Python 3.7.5

Pandas संस्करण जाँच गर्न सजिलो तरिका यो हो:

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

DataFrame.info को साथ सुधारिएको स्वत: सारांश

मेरो मनपर्ने नवीनता विधिमा अद्यावधिक थियो DataFrame.info। प्रकार्य धेरै पढ्न योग्य भएको छ, डेटा अन्वेषणको प्रक्रियालाई अझ सजिलो बनाउँदै:

>>> 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 ढाँचामा आउटपुट तालिकाहरू

एक समान रमाईलो नवीनता भनेको मार्कडाउन तालिकाहरूमा डाटाफ्रेमहरू प्रयोग गरेर निर्यात गर्ने क्षमता हो DataFrame.to_markdown.

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

यसले github gists प्रयोग गरेर मध्यम जस्ता साइटहरूमा तालिकाहरू प्रकाशित गर्न धेरै सजिलो बनाउँछ।

तार र बुलियनका लागि नयाँ प्रकारहरू

Pandas 1.0 रिलिजले पनि नयाँ थप्यो प्रयोगात्मक प्रकारहरू। तिनीहरूको API अझै पनि परिवर्तन हुन सक्छ, त्यसैले यसलाई सावधानीपूर्वक प्रयोग गर्नुहोस्। तर सामान्यतया, पाण्डाहरूले नयाँ प्रकारहरू प्रयोग गर्न सिफारिस गर्छन् जहाँ यो अर्थ लाग्छ।

अहिलेको लागि, कास्ट स्पष्ट रूपमा गर्न आवश्यक छ:

>>> 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

स्तम्भ कसरी ध्यान दिनुहोस् Dtype नयाँ प्रकारहरू प्रदर्शन गर्दछ - string и फूल.

नयाँ स्ट्रिङ प्रकारको सबैभन्दा उपयोगी सुविधा चयन गर्ने क्षमता हो पङ्क्ति स्तम्भहरू मात्र डाटाफ्रेमबाट। यसले पाठ डेटा पार्स गर्न धेरै सजिलो बनाउन सक्छ:

df.select_dtypes("string")

पहिले, स्पष्ट रूपमा नामहरू निर्दिष्ट नगरी पङ्क्ति स्तम्भहरू चयन गर्न सकिँदैन।

तपाईं नयाँ प्रकारहरू बारे थप पढ्न सक्नुहुन्छ यहाँ.

पढ्नु भएकोमा धन्यवाद! परिवर्तनहरूको पूर्ण सूची, पहिले नै उल्लेख गरिए अनुसार, हेर्न सकिन्छ यहाँ.

स्रोत: www.habr.com