版本 0.15.0 (2014年10月18日)#
这是从 0.14.1 版本以来的一个重大发布，包括少量 API 更改、几个新功能、增强功能和性能改进，以及大量错误修复。我们建议所有用户升级到此版本。
警告
pandas >= 0.15.0 将不再支持与 NumPy 版本 < 1.7.0 的兼容性。如果你想使用最新版本的 pandas，请升级到 NumPy >= 1.7.0 (GH 7711)
亮点包括：
Categorical类型被整合为一流的 pandas 类型，参见 这里新的标量类型
Timedelta，以及一个新的索引类型TimedeltaIndex，请参见 这里新的日期时间类属性访问器
.dt用于 Series，参见 日期时间类属性新的 DataFrame 默认显示
df.info()包括内存使用情况，参见 内存使用read_csv现在在解析时默认忽略空白行，请参见 这里在使用集合操作中的索引时API的变化，请参见 这里
在处理时区的改进，请参见 这里
对滚动和扩展力矩函数的许多改进，请参见 这里
对
Index类的内部重构，不再子类化ndarray，参见 内部重构放弃对
PyTables版本低于 3.0.0 和numexpr版本低于 2.1 的支持 (GH 7990)将字符串方法文档拆分到 处理文本数据
警告
在 0.15.0 版本中，Index 已经在内部被重构，不再子类化 ndarray，而是子类化 PandasObject，与其他 pandas 对象类似。这一改变允许非常容易地进行子类化和创建新的索引类型。这应该是一个透明的改变，只有非常有限的 API 影响（参见 内部重构）
警告
在 Categorical 中的重构将两个参数的构造函数从“代码/标签和级别”改为“值和级别（现在称为‘类别’）”。这可能会导致细微的错误。如果你直接使用 Categorical，请在更新到这个pandas版本之前审查你的代码，并将其改为使用 from_codes() 构造函数。更多关于 Categorical 的信息请参见 这里
新功能#
序列/数据框中的分类#
Categorical 现在可以包含在 Series 和 DataFrames 中，并且获得了新的方法来操作。感谢 Jan Schulz 为这个 API/实现所做的许多工作。(GH 3943, GH 5313, GH 5314, GH 7444, GH 7839, GH 7848, GH 7864, GH 7914, GH 7768, GH 8006, GH 3678, GH 8075, GH 8076, GH 8143, GH 8453, GH 8518)。
In [1]: df = pd.DataFrame({"id": [1, 2, 3, 4, 5, 6],
...: "raw_grade": ['a', 'b', 'b', 'a', 'a', 'e']})
...:
In [2]: df["grade"] = df["raw_grade"].astype("category")
In [3]: df["grade"]
Out[3]:
0 a
1 b
2 b
3 a
4 a
5 e
Name: grade, Length: 6, dtype: category
Categories (3, object): ['a', 'b', 'e']
# Rename the categories
In [4]: df["grade"] = df["grade"].cat.rename_categories(["very good", "good", "very bad"])
# Reorder the categories and simultaneously add the missing categories
In [5]: df["grade"] = df["grade"].cat.set_categories(["very bad", "bad",
...: "medium", "good", "very good"])
...:
In [6]: df["grade"]
Out[6]:
0 very good
1 good
2 good
3 very good
4 very good
5 very bad
Name: grade, Length: 6, dtype: category
Categories (5, object): ['very bad', 'bad', 'medium', 'good', 'very good']
In [7]: df.sort_values("grade")
Out[7]:
id raw_grade grade
5 6 e very bad
1 2 b good
2 3 b good
0 1 a very good
3 4 a very good
4 5 a very good
[6 rows x 3 columns]
In [8]: df.groupby("grade", observed=False).size()
Out[8]:
grade
very bad 1
bad 0
medium 0
good 2
very good 3
Length: 5, dtype: int64
pandas.core.group_agg和pandas.core.factor_agg已被移除。作为替代，构建一个数据框并使用df.groupby(<group>).agg(<func>)。不再支持向
Categorical构造函数提供“代码/标签和级别”。现在向构造函数提供两个参数被解释为“值和级别（现在称为‘类别’）”。请更改您的代码以使用from_codes()构造函数。Categorical.labels属性已重命名为Categorical.codes并且是只读的。如果你想操作代码，请使用 Categoricals 的 API 方法 之一。Categorical.levels属性已重命名为Categorical.categories。
TimedeltaIndex/标量#
我们引入了一个新的标量类型 Timedelta，它是 datetime.timedelta 的子类，并且行为类似，但允许与 np.timedelta64 类型兼容，以及许多自定义表示、解析和属性。这种类型与 Timestamp 对 datetimes 的工作方式非常相似。它是一个很好的 API 封装类型。请参阅 文档。 (GH 3009, GH 4533, GH 8209, GH 8187, GH 8190, GH 7869, GH 7661, GH 8345, GH 8471)
警告
Timedelta 标量（和 TimedeltaIndex）组件字段与 datetime.timedelta 对象的组件字段 不同。例如，datetime.timedelta 对象上的 .seconds 返回 小时、分钟 和 秒 组合的总秒数。相比之下，pandas 的 Timedelta 分别分解小时、分钟、微秒和纳秒。
# Timedelta accessor
In [9]: tds = pd.Timedelta('31 days 5 min 3 sec')
In [10]: tds.minutes
Out[10]: 5L
In [11]: tds.seconds
Out[11]: 3L
# datetime.timedelta accessor
# this is 5 minutes * 60 + 3 seconds
In [12]: tds.to_pytimedelta().seconds
Out[12]: 303
注意：从 v0.16.0 开始，这不再正确，因为引入了与 datetime.timedelta 的完全兼容性。请参阅 0.16.0 的新增功能条目
警告
在 0.15.0 之前，pd.to_timedelta 对于列表/Series 输入会返回一个 Series，对于标量输入会返回一个 np.timedelta64。现在，它将对列表输入返回一个 TimedeltaIndex，对 Series 输入返回一个 Series，对标量输入返回一个 Timedelta。
pd.to_timedelta 的参数现在是 (arg,unit='ns',box=True,coerce=False)，之前是 (arg,box=True,unit='ns')，因为这些更符合逻辑。
构建一个标量
In [9]: pd.Timedelta('1 days 06:05:01.00003')
Out[9]: Timedelta('1 days 06:05:01.000030')
In [10]: pd.Timedelta('15.5us')
Out[10]: Timedelta('0 days 00:00:00.000015500')
In [11]: pd.Timedelta('1 hour 15.5us')
Out[11]: Timedelta('0 days 01:00:00.000015500')
# negative Timedeltas have this string repr
# to be more consistent with datetime.timedelta conventions
In [12]: pd.Timedelta('-1us')
Out[12]: Timedelta('-1 days +23:59:59.999999')
# a NaT
In [13]: pd.Timedelta('nan')
Out[13]: NaT
访问 Timedelta 的字段
In [14]: td = pd.Timedelta('1 hour 3m 15.5us')
In [15]: td.seconds
Out[15]: 3780
In [16]: td.microseconds
Out[16]: 15
In [17]: td.nanoseconds
Out[17]: 500
构建一个 TimedeltaIndex
In [18]: pd.TimedeltaIndex(['1 days', '1 days, 00:00:05',
....: np.timedelta64(2, 'D'),
....: datetime.timedelta(days=2, seconds=2)])
....:
Out[18]:
TimedeltaIndex(['1 days 00:00:00', '1 days 00:00:05', '2 days 00:00:00',
'2 days 00:00:02'],
dtype='timedelta64[ns]', freq=None)
使用常规范围构造 TimedeltaIndex
In [19]: pd.timedelta_range('1 days', periods=5, freq='D')
Out[19]: TimedeltaIndex(['1 days', '2 days', '3 days', '4 days', '5 days'], dtype='timedelta64[ns]', freq='D')
In [20]: pd.timedelta_range(start='1 days', end='2 days', freq='30T')
Out[20]:
TimedeltaIndex(['1 days 00:00:00', '1 days 00:30:00', '1 days 01:00:00',
'1 days 01:30:00', '1 days 02:00:00', '1 days 02:30:00',
'1 days 03:00:00', '1 days 03:30:00', '1 days 04:00:00',
'1 days 04:30:00', '1 days 05:00:00', '1 days 05:30:00',
'1 days 06:00:00', '1 days 06:30:00', '1 days 07:00:00',
'1 days 07:30:00', '1 days 08:00:00', '1 days 08:30:00',
'1 days 09:00:00', '1 days 09:30:00', '1 days 10:00:00',
'1 days 10:30:00', '1 days 11:00:00', '1 days 11:30:00',
'1 days 12:00:00', '1 days 12:30:00', '1 days 13:00:00',
'1 days 13:30:00', '1 days 14:00:00', '1 days 14:30:00',
'1 days 15:00:00', '1 days 15:30:00', '1 days 16:00:00',
'1 days 16:30:00', '1 days 17:00:00', '1 days 17:30:00',
'1 days 18:00:00', '1 days 18:30:00', '1 days 19:00:00',
'1 days 19:30:00', '1 days 20:00:00', '1 days 20:30:00',
'1 days 21:00:00', '1 days 21:30:00', '1 days 22:00:00',
'1 days 22:30:00', '1 days 23:00:00', '1 days 23:30:00',
'2 days 00:00:00'],
dtype='timedelta64[ns]', freq='30T')
你现在可以使用 TimedeltaIndex 作为 pandas 对象的索引
In [20]: s = pd.Series(np.arange(5),
....: index=pd.timedelta_range('1 days', periods=5, freq='s'))
....:
In [21]: s
Out[21]:
1 days 00:00:00 0
1 days 00:00:01 1
1 days 00:00:02 2
1 days 00:00:03 3
1 days 00:00:04 4
Freq: s, Length: 5, dtype: int64
你可以通过部分字符串选择进行选择
In [22]: s['1 day 00:00:02']
Out[22]: 2
In [23]: s['1 day':'1 day 00:00:02']
Out[23]:
1 days 00:00:00 0
1 days 00:00:01 1
1 days 00:00:02 2
Freq: s, Length: 3, dtype: int64
最后，TimedeltaIndex 与 DatetimeIndex 的组合允许某些保留 NaT 的组合操作：
In [24]: tdi = pd.TimedeltaIndex(['1 days', pd.NaT, '2 days'])
In [25]: tdi.tolist()
Out[25]: [Timedelta('1 days 00:00:00'), NaT, Timedelta('2 days 00:00:00')]
In [26]: dti = pd.date_range('20130101', periods=3)
In [27]: dti.tolist()
Out[27]:
[Timestamp('2013-01-01 00:00:00'),
Timestamp('2013-01-02 00:00:00'),
Timestamp('2013-01-03 00:00:00')]
In [28]: (dti + tdi).tolist()
Out[28]: [Timestamp('2013-01-02 00:00:00'), NaT, Timestamp('2013-01-05 00:00:00')]
In [29]: (dti - tdi).tolist()
Out[29]: [Timestamp('2012-12-31 00:00:00'), NaT, Timestamp('2013-01-01 00:00:00')]
对
Series的迭代，例如list(Series(...))的timedelta64[ns]在 v0.15.0 之前会为每个元素返回np.timedelta64。现在这些将被包装在Timedelta中。
内存使用#
实现了查找 DataFrame 内存使用的方法。更多信息请参见 常见问题解答 (GH 6852)。
一个新的显示选项 display.memory_usage (见 选项和设置) 设置了 df.info() 方法中 memory_usage 参数的默认行为。默认情况下 display.memory_usage 是 True。
In [30]: dtypes = ['int64', 'float64', 'datetime64[ns]', 'timedelta64[ns]',
....: 'complex128', 'object', 'bool']
....:
In [31]: n = 5000
In [32]: data = {t: np.random.randint(100, size=n).astype(t) for t in dtypes}
In [33]: df = pd.DataFrame(data)
In [34]: df['categorical'] = df['object'].astype('category')
In [35]: df.info()
<class 'pandas.DataFrame'>
RangeIndex: 5000 entries, 0 to 4999
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 int64 5000 non-null int64
1 float64 5000 non-null float64
2 datetime64[ns] 5000 non-null datetime64[ns]
3 timedelta64[ns] 5000 non-null timedelta64[ns]
4 complex128 5000 non-null complex128
5 object 5000 non-null object
6 bool 5000 non-null bool
7 categorical 5000 non-null category
dtypes: bool(1), category(1), complex128(1), datetime64[ns](1), float64(1), int64(1), object(1), timedelta64[ns](1)
memory usage: 284.1+ KB
此外，memory_usage() 是一个可用于 dataframe 对象的方法，它返回每一列的内存使用情况。
In [36]: df.memory_usage(index=True)
Out[36]:
Index 128
int64 40000
float64 40000
datetime64[ns] 40000
timedelta64[ns] 40000
complex128 80000
object 40000
bool 5000
categorical 5800
Length: 9, dtype: int64
Series.dt 访问器#
Series 获得了一个访问器，可以简洁地返回 values 的类似日期时间的属性，如果它是一个类似日期时间/周期的 Series。(GH 7207) 这将返回一个 Series，索引与现有的 Series 相同。请参阅 文档
# datetime
In [37]: s = pd.Series(pd.date_range('20130101 09:10:12', periods=4))
In [38]: s
Out[38]:
0 2013-01-01 09:10:12
1 2013-01-02 09:10:12
2 2013-01-03 09:10:12
3 2013-01-04 09:10:12
Length: 4, dtype: datetime64[ns]
In [39]: s.dt.hour
Out[39]:
0 9
1 9
2 9
3 9
Length: 4, dtype: int32
In [40]: s.dt.second
Out[40]:
0 12
1 12
2 12
3 12
Length: 4, dtype: int32
In [41]: s.dt.day
Out[41]:
0 1
1 2
2 3
3 4
Length: 4, dtype: int32
In [42]: s.dt.freq
Out[42]: 'D'
这使得像这样的漂亮表达成为可能：
In [43]: s[s.dt.day == 2]
Out[43]:
1 2013-01-02 09:10:12
Length: 1, dtype: datetime64[ns]
你可以轻松地生成时区感知的转换：
In [44]: stz = s.dt.tz_localize('US/Eastern')
In [45]: stz
Out[45]:
0 2013-01-01 09:10:12-05:00
1 2013-01-02 09:10:12-05:00
2 2013-01-03 09:10:12-05:00
3 2013-01-04 09:10:12-05:00
Length: 4, dtype: datetime64[ns, US/Eastern]
In [46]: stz.dt.tz
Out[46]: zoneinfo.ZoneInfo(key='US/Eastern')
你也可以将这些类型的操作链接起来：
In [47]: s.dt.tz_localize('UTC').dt.tz_convert('US/Eastern')
Out[47]:
0 2013-01-01 04:10:12-05:00
1 2013-01-02 04:10:12-05:00
2 2013-01-03 04:10:12-05:00
3 2013-01-04 04:10:12-05:00
Length: 4, dtype: datetime64[ns, US/Eastern]
.dt 访问器适用于 period 和 timedelta 数据类型。
# period
In [48]: s = pd.Series(pd.period_range('20130101', periods=4, freq='D'))
In [49]: s
Out[49]:
0 2013-01-01
1 2013-01-02
2 2013-01-03
3 2013-01-04
Length: 4, dtype: period[D]
In [50]: s.dt.year
Out[50]:
0 2013
1 2013
2 2013
3 2013
Length: 4, dtype: int64
In [51]: s.dt.day
Out[51]:
0 1
1 2
2 3
3 4
Length: 4, dtype: int64
# timedelta
In [52]: s = pd.Series(pd.timedelta_range('1 day 00:00:05', periods=4, freq='s'))
In [53]: s
Out[53]:
0 1 days 00:00:05
1 1 days 00:00:06
2 1 days 00:00:07
3 1 days 00:00:08
Length: 4, dtype: timedelta64[ns]
In [54]: s.dt.days
Out[54]:
0 1
1 1
2 1
3 1
Length: 4, dtype: int64
In [55]: s.dt.seconds
Out[55]:
0 5
1 6
2 7
3 8
Length: 4, dtype: int32
In [56]: s.dt.components
Out[56]:
days hours minutes seconds milliseconds microseconds nanoseconds
0 1 0 0 5 0 0 0
1 1 0 0 6 0 0 0
2 1 0 0 7 0 0 0
3 1 0 0 8 0 0 0
[4 rows x 7 columns]
时区处理改进#
对于时区感知的
Timestamp和DatetimeIndex，tz_localize(None)现在会移除持有本地时间的时区，之前这会导致Exception或TypeError(GH 7812)In [58]: ts = pd.Timestamp('2014-08-01 09:00', tz='US/Eastern') In[59]: ts Out[59]: Timestamp('2014-08-01 09:00:00-0400', tz='US/Eastern') In [60]: ts.tz_localize(None) Out[60]: Timestamp('2014-08-01 09:00:00') In [61]: didx = pd.date_range(start='2014-08-01 09:00', freq='H', ....: periods=10, tz='US/Eastern') ....: In [62]: didx Out[62]: DatetimeIndex(['2014-08-01 09:00:00-04:00', '2014-08-01 10:00:00-04:00', '2014-08-01 11:00:00-04:00', '2014-08-01 12:00:00-04:00', '2014-08-01 13:00:00-04:00', '2014-08-01 14:00:00-04:00', '2014-08-01 15:00:00-04:00', '2014-08-01 16:00:00-04:00', '2014-08-01 17:00:00-04:00', '2014-08-01 18:00:00-04:00'], dtype='datetime64[ns, US/Eastern]', freq='H') In [63]: didx.tz_localize(None) Out[63]: DatetimeIndex(['2014-08-01 09:00:00', '2014-08-01 10:00:00', '2014-08-01 11:00:00', '2014-08-01 12:00:00', '2014-08-01 13:00:00', '2014-08-01 14:00:00', '2014-08-01 15:00:00', '2014-08-01 16:00:00', '2014-08-01 17:00:00', '2014-08-01 18:00:00'], dtype='datetime64[ns]', freq=None)
tz_localize现在接受ambiguous关键字，该关键字允许传递一个布尔数组，指示日期是否属于夏令时，’NaT’ 用于将过渡时间设置为 NaT，’infer’ 用于推断夏令时/非夏令时，以及 ‘raise’（默认）用于引发AmbiguousTimeError。更多详情请参见 文档 (GH 7943)DataFrame.tz_localize和DataFrame.tz_convert现在接受一个可选的level参数，用于本地化 MultiIndex 的特定级别 (GH 7846)Timestamp.tz_localize和Timestamp.tz_convert现在在错误情况下会引发TypeError，而不是Exception(GH 8025)当插入到 Series/DataFrame 时，本地化为 UTC 的时间序列将保留 UTC 时区（而不是天真的
datetime64[ns]）作为object数据类型 (GH 8411)Timestamp.__repr__显示dateutil.tz.tzoffset信息 (GH 7907)
滚动/扩展时刻改进#
rolling_min(),rolling_max(),rolling_cov(), 和rolling_corr()现在在len(arg) < min_periods <= window时返回所有NaN对象，而不是引发错误。（这使得所有滚动函数在此行为上保持一致）。 (GH 7766)在 0.15.0 之前
In [57]: s = pd.Series([10, 11, 12, 13])
In [15]: pd.rolling_min(s, window=10, min_periods=5) ValueError: min_periods (5) must be <= window (4)
新行为
In [4]: pd.rolling_min(s, window=10, min_periods=5) Out[4]: 0 NaN 1 NaN 2 NaN 3 NaN dtype: float64
rolling_max(),rolling_min(),rolling_sum(),rolling_mean(),rolling_median(),rolling_std(),rolling_var(),rolling_skew(),rolling_kurt(),rolling_quantile(),rolling_cov(),rolling_corr(),rolling_corr_pairwise(),rolling_window(), 和rolling_apply()使用center=True之前会返回与输入arg相同结构的结果，但在最后的(window-1)/2条目中包含NaN。现在，结果的最后
(window-1)/2个条目被计算为如果输入arg后面跟着(window-1)/2个NaN值（或者在rolling_apply()的情况下使用缩小的窗口）。(GH 7925, GH 8269)之前的行为（注意最终值是
NaN）：In [7]: pd.rolling_sum(Series(range(4)), window=3, min_periods=0, center=True) Out[7]: 0 1 1 3 2 6 3 NaN dtype: float64
新行为（注意最终值是
5 = sum([2, 3, NaN])）：In [7]: pd.rolling_sum(pd.Series(range(4)), window=3, ....: min_periods=0, center=True) Out[7]: 0 1 1 3 2 6 3 5 dtype: float64
rolling_window()现在在滚动平均模式 (mean=True) 中正确地归一化权重，以便计算的加权平均值（例如 ‘triang’, ‘gaussian’）与未加权计算的平均值（即 ‘boxcar’）分布在相同的均值周围。有关进一步的详细信息，请参见 归一化说明。(GH 7618)In [58]: s = pd.Series([10.5, 8.8, 11.4, 9.7, 9.3])
0.15.0 之前的版本行为：
In [39]: pd.rolling_window(s, window=3, win_type='triang', center=True) Out[39]: 0 NaN 1 6.583333 2 6.883333 3 6.683333 4 NaN dtype: float64
新行为
In [10]: pd.rolling_window(s, window=3, win_type='triang', center=True) Out[10]: 0 NaN 1 9.875 2 10.325 3 10.025 4 NaN dtype: float64
从所有
expanding_函数中移除了center参数（见 list），因为当center=True时产生的结果没有太大意义。(GH 7925)在
expanding_cov()和rolling_cov()中添加了可选的ddof参数。默认值1是向后兼容的。(GH 8279)记录了
expanding_var()、expanding_std()、rolling_var()和rolling_std()的ddof参数。这些函数对ddof参数（默认值为1）的支持之前未被记录。(GH 8064)ewma(),ewmstd(),ewmvol(),ewmvar(),ewmcov(), 和ewmcorr()现在以与rolling_*()和expanding_*()函数相同的方式解释min_periods：如果（在这种情况下是扩展的）窗口不包含至少min_periods个值，则给定的结果条目将为NaN。之前的行为是将第一个非NaN值开始的min_periods个条目设置为NaN。(GH 7977)先前行为（注意值从索引
2开始，这是在索引0（第一个非空值的索引）之后的min_periods）：In [59]: s = pd.Series([1, None, None, None, 2, 3])
In [51]: pd.ewma(s, com=3., min_periods=2) Out[51]: 0 NaN 1 NaN 2 1.000000 3 1.000000 4 1.571429 5 2.189189 dtype: float64
新行为（注意值从索引
4开始，这是第二个（因为min_periods=2）非空值的位置）：In [2]: pd.ewma(s, com=3., min_periods=2) Out[2]: 0 NaN 1 NaN 2 NaN 3 NaN 4 1.759644 5 2.383784 dtype: float64
ewmstd(),ewmvol(),ewmvar(),ewmcov(), 和ewmcorr()现在有一个可选的adjust参数，就像ewma()一样，影响权重的计算方式。adjust的默认值是True，这是向后兼容的。详情请参见 指数加权矩函数。(GH 7911)ewma(),ewmstd(),ewmvol(),ewmvar(),ewmcov(), 和ewmcorr()现在有一个可选的ignore_na参数。当 ``ignore_na=False``（默认）时，缺失值在权重计算中被考虑。当 ``ignore_na=True``（这重现了0.15.0之前的行为）时，缺失值在权重计算中被忽略。(GH 7543)In [7]: pd.ewma(pd.Series([None, 1., 8.]), com=2.) Out[7]: 0 NaN 1 1.0 2 5.2 dtype: float64 In [8]: pd.ewma(pd.Series([1., None, 8.]), com=2., ....: ignore_na=True) # pre-0.15.0 behavior Out[8]: 0 1.0 1 1.0 2 5.2 dtype: float64 In [9]: pd.ewma(pd.Series([1., None, 8.]), com=2., ....: ignore_na=False) # new default Out[9]: 0 1.000000 1 1.000000 2 5.846154 dtype: float64
警告
默认情况下 (
ignore_na=False)，ewm*()函数在存在缺失值时的权重计算与 0.15.0 之前的版本不同。要在存在缺失值时重现 0.15.0 之前的权重计算，必须显式指定ignore_na=True。在
expanding_cov()、expanding_corr()、rolling_cov()、rolling_cor()、ewmcov()和ewmcorr()中存在一个错误，返回的结果按列名排序，并对非唯一列产生错误；现在处理非唯一列并按原始顺序返回列（除了两个 DataFrame 且pairwise=False的情况，行为不变）(GH 7542)rolling_count()和expanding_*()函数在处理零长度数据时，不必要地产生错误信息 (GH 8056)rolling_apply()和expanding_apply()将min_periods=0解释为min_periods=1的错误 (GH 8080)对于单个值，
expanding_std()和expanding_var()中的错误产生了一个令人困惑的错误消息 (GH 7900)rolling_std()和rolling_var()中的错误，对于单个值产生0而不是NaN(GH 7900)在
bias=False``（默认值）时，:func:`ewmstd`、:func:`ewmvol`、:func:`ewmvar` 和 :func:`ewmcov` 计算去偏因子时存在错误。之前使用了基于 ``adjust=True、ignore_na=True和一个无限数量观测值的错误常数因子。现在每个条目使用不同的因子，基于实际权重（类似于通常的N/(N-1)因子）。特别是，当bias=False时，对于单个点返回NaN值，而之前返回的值大约为0。例如，考虑以下
ewmvar(..., bias=False)在0.15.0版本之前的计算结果，以及相应的去偏因子：In [60]: s = pd.Series([1., 2., 0., 4.])
In [89]: pd.ewmvar(s, com=2., bias=False) Out[89]: 0 -2.775558e-16 1 3.000000e-01 2 9.556787e-01 3 3.585799e+00 dtype: float64 In [90]: pd.ewmvar(s, com=2., bias=False) / pd.ewmvar(s, com=2., bias=True) Out[90]: 0 1.25 1 1.25 2 1.25 3 1.25 dtype: float64
注意，条目
0大约是 0，去偏因子是一个常数 1.25。相比之下，以下 0.15.0 结果在条目0处有一个NaN，并且去偏因子在减少（趋向于 1.25）：In [14]: pd.ewmvar(s, com=2., bias=False) Out[14]: 0 NaN 1 0.500000 2 1.210526 3 4.089069 dtype: float64 In [15]: pd.ewmvar(s, com=2., bias=False) / pd.ewmvar(s, com=2., bias=True) Out[15]: 0 NaN 1 2.083333 2 1.583333 3 1.425439 dtype: float64
SQL IO 模块的改进#
为
to_sql函数添加了对chunksize参数的支持。这允许 DataFrame 以块的形式写入，并避免数据包大小溢出错误 (GH 8062)。为
read_sql函数添加了对chunksize参数的支持。指定此参数将返回查询结果块的迭代器（GH 2908）。增加了使用
to_sql写入datetime.date和datetime.time对象列的支持 (GH 6932)。增加了对使用
read_sql_table和to_sql时指定schema的支持（GH 7441, GH 7952）。例如：df.to_sql('table', engine, schema='other_schema') # noqa F821 pd.read_sql_table('table', engine, schema='other_schema') # noqa F821
增加了使用
to_sql写入NaN值的支持 (GH 2754)。为所有数据库风格添加了对使用
to_sql写入 datetime64 列的支持 (GH 7103)。
向后不兼容的 API 更改#
重大变更#
与 Categorical 相关的 API 变化（更多详情见 这里）：
Categorical构造函数从两个参数从“代码/标签和级别”改为“值和级别（现在称为‘类别’）”。这可能导致细微的错误。如果你直接使用Categorical，请通过将其改为使用from_codes()构造函数来审计你的代码。一个旧的函数调用（在0.15.0之前）：
pd.Categorical([0,1,0,2,1], levels=['a', 'b', 'c'])
将需要适应以下内容以保持相同的行为：
In [2]: pd.Categorical.from_codes([0,1,0,2,1], categories=['a', 'b', 'c']) Out[2]: [a, b, a, c, b] Categories (3, object): [a, b, c]
与引入 Timedelta 标量相关的 API 变化（更多详情请参见 上文）：
在 0.15.0 之前，
to_timedelta()对于类似列表/Series 的输入会返回一个Series，对于标量输入会返回一个np.timedelta64。现在它会对类似列表的输入返回一个TimedeltaIndex，对 Series 输入返回一个Series，对标量输入返回一个Timedelta。
有关滚动和扩展函数的API更改，请参见详细概述 上方。
其他值得注意的API变化：
在使用
.loc和类似列表的索引器进行索引时，当找不到值时的一致性。In [61]: df = pd.DataFrame([['a'], ['b']], index=[1, 2]) In [62]: df Out[62]: 0 1 a 2 b [2 rows x 1 columns]
在之前的版本中，这两种结构是有区别的：
df.loc[[3]]将返回一个由 3 重新索引的帧（包含所有np.nan值）df.loc[[3],:]会引发KeyError。
两者现在都会引发一个
KeyError。规则是，在使用类似列表的索引器和.loc时，必须至少找到 1 个索引器 (GH 7999)此外，在先前版本中这些也是不同的：
df.loc[[1,3]]将返回一个由 [1,3] 重新索引的框架df.loc[[1,3],:]会引发KeyError。
两者现在都将返回一个按 [1,3] 重新索引的帧。例如。
In [3]: df.loc[[1, 3]] Out[3]: 0 1 a 3 NaN In [4]: df.loc[[1, 3], :] Out[4]: 0 1 a 3 NaN
这也可以在带有
Panel的多轴索引中看到。>>> p = pd.Panel(np.arange(2 * 3 * 4).reshape(2, 3, 4), ... items=['ItemA', 'ItemB'], ... major_axis=[1, 2, 3], ... minor_axis=['A', 'B', 'C', 'D']) >>> p <class 'pandas.core.panel.Panel'> Dimensions: 2 (items) x 3 (major_axis) x 4 (minor_axis) Items axis: ItemA to ItemB Major_axis axis: 1 to 3 Minor_axis axis: A to D
在0.15.0之前，以下代码会引发
KeyError：In [5]: Out[5]: ItemA ItemD 1 3 NaN 2 7 NaN 3 11 NaN
此外，如果在一个带有类列表索引器的 MultiIndex 中没有找到值，
.loc将引发错误：In [63]: s = pd.Series(np.arange(3, dtype='int64'), ....: index=pd.MultiIndex.from_product([['A'], ....: ['foo', 'bar', 'baz']], ....: names=['one', 'two']) ....: ).sort_index() ....: In [64]: s Out[64]: one two A bar 1 baz 2 foo 0 Length: 3, dtype: int64 In [65]: try: ....: s.loc[['D']] ....: except KeyError as e: ....: print("KeyError: " + str(e)) ....: KeyError: "['D'] not in index"
现在在为
None赋值时会考虑 dtype 以选择一个 ‘空’ 值 (GH 7941)。之前，在数值容器中赋值给
None会将 dtype 改为对象（或根据调用报错）。现在使用NaN：In [66]: s = pd.Series([1., 2., 3.]) In [67]: s.loc[0] = None In [68]: s Out[68]: 0 NaN 1 2.0 2 3.0 Length: 3, dtype: float64
NaT现在用于日期时间容器的方式类似。对于对象容器，我们现在保留
None值（之前这些值被转换为NaN值）。In [69]: s = pd.Series(["a", "b", "c"]) In [70]: s.loc[0] = None In [71]: s Out[71]: 0 None 1 b 2 c Length: 3, dtype: object
要插入一个
NaN，你必须显式使用np.nan。请参阅 文档。在之前的版本中，就地更新 pandas 对象不会反映在对此对象的其他 python 引用中。(GH 8511, GH 5104)
In [72]: s = pd.Series([1, 2, 3]) In [73]: s2 = s In [74]: s += 1.5
v0.15.0 之前的行为
# the original object In [5]: s Out[5]: 0 2.5 1 3.5 2 4.5 dtype: float64 # a reference to the original object In [7]: s2 Out[7]: 0 1 1 2 2 3 dtype: int64
这是现在的正确行为
# the original object In [75]: s Out[75]: 0 2.5 1 3.5 2 4.5 Length: 3, dtype: float64 # a reference to the original object In [76]: s2 Out[76]: 0 2.5 1 3.5 2 4.5 Length: 3, dtype: float64
对于
read_csv和read_table的基于C和Python引擎，都忽略输入中的空行以及只要sep不是空白字符就忽略空白字符填充的行。这是一个可以通过关键字参数skip_blank_lines控制的API更改。请参阅 文档 (GH 4466)当插入到 Series/DataFrame 时，本地化为 UTC 的时间序列将保留 UTC 时区，并作为
object数据类型插入，而不是被转换为天真的datetime64[ns](GH 8411)。在从字典构造 DataFrame 时，传递带有未保留时区的
DatetimeIndex的错误 (GH 7822)在之前的版本中，这会丢弃时区，现在它会保留时区，但会给出一列
object数据类型：In [77]: i = pd.date_range('1/1/2011', periods=3, freq='10s', tz='US/Eastern') In [78]: i Out[78]: DatetimeIndex(['2011-01-01 00:00:00-05:00', '2011-01-01 00:00:10-05:00', '2011-01-01 00:00:20-05:00'], dtype='datetime64[ns, US/Eastern]', freq='10s') In [79]: df = pd.DataFrame({'a': i}) In [80]: df Out[80]: a 0 2011-01-01 00:00:00-05:00 1 2011-01-01 00:00:10-05:00 2 2011-01-01 00:00:20-05:00 [3 rows x 1 columns] In [81]: df.dtypes Out[81]: a datetime64[ns, US/Eastern] Length: 1, dtype: object
之前这会产生一个
datetime64数据类型列，但没有时区信息。将列分配给现有数据框的行为，如
df['a'] = i保持不变（这已经返回了一个带有时区的object列）。当传递多个级别给
stack()时，如果级别不是所有的级别名称或所有的级别编号，它现在会引发一个ValueError(GH 7660)。请参见 通过堆叠和解堆重塑。如果在
df.to_hdf中使用 ‘fixed’ 格式时，df具有非唯一列，则引发ValueError，因为生成的文件将会损坏 (GH 7761)SettingWithCopy根据选项mode.chained_assignment的设置，现在会在使用链式赋值对混合数据类型的 DataFrame 进行切片赋值时发出 raise/警告。(GH 7845, GH 7950)In [1]: df = pd.DataFrame(np.arange(0, 9), columns=['count']) In [2]: df['group'] = 'b' In [3]: df.iloc[0:5]['group'] = 'a' /usr/local/bin/ipython:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
merge,DataFrame.merge, 和ordered_merge现在返回与left参数相同的类型 (GH 7737)。之前，使用混合数据类型框架进行扩充的行为与
.append不同，后者将保留数据类型（相关 GH 2578, GH 8176）：In [82]: df = pd.DataFrame([[True, 1], [False, 2]], ....: columns=["female", "fitness"]) ....: In [83]: df Out[83]: female fitness 0 True 1 1 False 2 [2 rows x 2 columns] In [84]: df.dtypes Out[84]: female bool fitness int64 Length: 2, dtype: object # dtypes are now preserved In [85]: df.loc[2] = df.loc[1] In [86]: df Out[86]: female fitness 0 True 1 1 False 2 2 False 2 [3 rows x 2 columns] In [87]: df.dtypes Out[87]: female bool fitness int64 Length: 2, dtype: object
Series.to_csv()现在在path=None时返回一个字符串，与DataFrame.to_csv()的行为相匹配 (GH 8215)。read_hdf现在在传入一个不存在的文件时会引发IOError。以前，会创建一个新空文件，并引发KeyError(GH 7715)。DataFrame.info()现在以一个换行符结束其输出 (GH 8114)连接没有对象现在会引发一个
ValueError而不是一个简单的Exception。合并错误现在将是
ValueError的子类，而不是原始的Exception(GH 8501)DataFrame.plot和Series.plot关键字的顺序现在是一致的 (GH 8037)
内部重构#
在 0.15.0 版本中，Index 已经在内部被重构，不再继承 ndarray，而是继承 PandasObject，类似于其他 pandas 对象。这一改变使得非常容易进行子类化并创建新的索引类型。这应该是一个透明的改变，只有非常有限的 API 影响 (GH 5080, GH 7439, GH 7796, GH 8024, GH 8367, GH 7997, GH 8522)：
你可能需要使用
pd.read_pickle而不是pickle.load来解封 pandas 版本 < 0.15.0 的 pickle 文件。请参见 pickle 文档在使用
PeriodIndex绘图时，matplotlib 内部轴现在将是Period数组，而不是PeriodIndex``（这与 ``DatetimeIndex现在传递datetimes数组的方式类似）MultiIndexes 现在在真值测试方面会与其他 pandas 对象类似地引发错误，请参见 这里 (GH 7897)。
当直接使用 matplotlib 的
plot函数绘制 DatetimeIndex 时，轴标签将不再格式化为日期，而是格式化为整数（datetime64的内部表示）。更新 这在 0.15.1 版本中已修复，请参见 这里。
弃用#
属性
Categoricallabels和levels属性已被弃用，并重命名为codes和categories。outtype参数在pd.DataFrame.to_dict中已被弃用，取而代之的是orient。 (GH 7840)convert_dummies方法已被弃用，取而代之的是get_dummies(GH 8140)tz_localize中的infer_dst参数将被弃用，取而代之的是ambiguous，以便在处理夏令时转换时提供更大的灵活性。将infer_dst=True替换为ambiguous='infer'以获得相同的行为 (GH 7943)。更多详情请参见 文档。顶级
pd.value_range已被弃用，可以用.describe()替代 (GH 8481)
Index集合操作+和-已被弃用，以便为某些索引类型的数值操作提供这些操作。+可以用.union()或|替换，-可以用.difference()替换。此外，方法名Index.diff()已被弃用，可以用Index.difference()替换 (GH 8226)# + pd.Index(['a', 'b', 'c']) + pd.Index(['b', 'c', 'd']) # should be replaced by pd.Index(['a', 'b', 'c']).union(pd.Index(['b', 'c', 'd']))
# - pd.Index(['a', 'b', 'c']) - pd.Index(['b', 'c', 'd']) # should be replaced by pd.Index(['a', 'b', 'c']).difference(pd.Index(['b', 'c', 'd']))
infer_types参数在read_html()中现在没有效果并且已被弃用 (GH 7762, GH 7032)。
移除先前版本的弃用/更改#
移除
DataFrame.delevel方法，改为使用DataFrame.reset_index
增强功能#
在导入/导出 Stata 文件方面的增强：
在
to_stata中增加了对 bool, uint8, uint16 和 uint32 数据类型的支持 (GH 7097, GH 7365)在导入 Stata 文件时添加了转换选项 (GH 8527)
DataFrame.to_stata和StataWriter检查字符串长度以确保与 dta 文件中的限制兼容，其中定宽字符串必须包含 244 个或更少的字符。尝试写入字符串长度超过 244 个字符的 Stata dta 文件会引发ValueError。 (GH 7858)read_stata和StataReader可以通过将参数convert_missing设置为True来将缺失数据信息导入DataFrame。使用此选项时，缺失值将作为StataMissingValue对象返回，并且包含缺失值的列具有object数据类型。(GH 8045)
绘图功能的增强：
在
DataFrame.plot中添加了layout关键字。你可以传递一个(rows, columns)的元组，其中一个可以是-1来自动推断 (GH 6667, GH 8071)。允许将多个轴传递给
DataFrame.plot、hist和boxplot(GH 5353, GH 6970, GH 7069)为
DataFrame.plot添加了对kind='scatter'的c,colormap和colorbar参数的支持 (GH 7780)
其他：
read_csv现在有一个关键字参数float_precision，它指定在解析期间C引擎应使用哪个浮点转换器，请参见 这里 (GH 8002, GH 8044)在
Series对象中添加了searchsorted方法 (GH 7447)describe()在混合类型的 DataFrame 上更加灵活。现在可以通过include/exclude参数进行基于类型的列过滤。请参阅 文档 (GH 8164)。In [88]: df = pd.DataFrame({'catA': ['foo', 'foo', 'bar'] * 8, ....: 'catB': ['a', 'b', 'c', 'd'] * 6, ....: 'numC': np.arange(24), ....: 'numD': np.arange(24.) + .5}) ....: In [89]: df.describe(include=["object"]) Out[89]: catA catB count 24 24 unique 2 4 top foo a freq 16 6 [4 rows x 2 columns] In [90]: df.describe(include=["number", "object"], exclude=["float"]) Out[90]: catA catB numC count 24 24 24.000000 unique 2 4 NaN top foo a NaN freq 16 6 NaN mean NaN NaN 11.500000 std NaN NaN 7.071068 min NaN NaN 0.000000 25% NaN NaN 5.750000 50% NaN NaN 11.500000 75% NaN NaN 17.250000 max NaN NaN 23.000000 [11 rows x 3 columns]
使用简写 ‘all’ 可以请求所有列
In [91]: df.describe(include='all') Out[91]: catA catB numC numD count 24 24 24.000000 24.000000 unique 2 4 NaN NaN top foo a NaN NaN freq 16 6 NaN NaN mean NaN NaN 11.500000 12.000000 std NaN NaN 7.071068 7.071068 min NaN NaN 0.000000 0.500000 25% NaN NaN 5.750000 6.250000 50% NaN NaN 11.500000 12.000000 75% NaN NaN 17.250000 17.750000 max NaN NaN 23.000000 23.500000 [11 rows x 4 columns]
如果没有这些参数，
describe将像以前一样运行，只包括数值列，或者如果没有数值列，只包括分类列。另请参阅 文档在
pd.DataFrame.to_dict的orient参数中添加了split选项。(GH 7840)get_dummies方法现在可以用于 DataFrame。默认情况下，只有分类列被编码为 0 和 1，而其他列保持不变。In [92]: df = pd.DataFrame({'A': ['a', 'b', 'a'], 'B': ['c', 'c', 'b'], ....: 'C': [1, 2, 3]}) ....: In [93]: pd.get_dummies(df) Out[93]: C A_a A_b B_b B_c 0 1 True False False True 1 2 False True False True 2 3 True False True False [3 rows x 5 columns]
PeriodIndex支持与DatetimeIndex相同的resolution(GH 7708)pandas.tseries.holiday增加了对额外假期和观察假期的支持 (GH 7070)pandas.tseries.holiday.Holiday现在支持 Python3 中的偏移量列表 (GH 7070)pandas.tseries.holiday.Holiday现在支持一个 days_of_week 参数 (GH 7070)GroupBy.nth()现在支持选择多个第n个值 (GH 7910)In [94]: business_dates = pd.date_range(start='4/1/2014', end='6/30/2014', freq='B') In [95]: df = pd.DataFrame(1, index=business_dates, columns=['a', 'b']) # get the first, 4th, and last date index for each month In [96]: df.groupby([df.index.year, df.index.month]).nth([0, 3, -1]) Out[96]: a b 2014-04-01 1 1 2014-04-04 1 1 2014-04-30 1 1 2014-05-01 1 1 2014-05-06 1 1 2014-05-30 1 1 2014-06-02 1 1 2014-06-05 1 1 2014-06-30 1 1 [9 rows x 2 columns]
Period和PeriodIndex支持与timedelta类似对象的加减法 (GH 7966)如果
Period的频率是D,H,T,S,L,U,N, 当结果可以保持相同频率时，可以添加Timedelta类似的值。否则，只能添加相同的offsets。In [104]: idx = pd.period_range('2014-07-01 09:00', periods=5, freq='H') In [105]: idx Out[105]: PeriodIndex(['2014-07-01 09:00', '2014-07-01 10:00', '2014-07-01 11:00', '2014-07-01 12:00', '2014-07-01 13:00'], dtype='period[H]') In [106]: idx + pd.offsets.Hour(2) Out[106]: PeriodIndex(['2014-07-01 11:00', '2014-07-01 12:00', '2014-07-01 13:00', '2014-07-01 14:00', '2014-07-01 15:00'], dtype='period[H]') In [107]: idx + pd.Timedelta('120m') Out[107]: PeriodIndex(['2014-07-01 11:00', '2014-07-01 12:00', '2014-07-01 13:00', '2014-07-01 14:00', '2014-07-01 15:00'], dtype='period[H]') In [108]: idx = pd.period_range('2014-07', periods=5, freq='M') In [109]: idx Out[109]: PeriodIndex(['2014-07', '2014-08', '2014-09', '2014-10', '2014-11'], dtype='period[M]') In [110]: idx + pd.offsets.MonthEnd(3) Out[110]: PeriodIndex(['2014-10', '2014-11', '2014-12', '2015-01', '2015-02'], dtype='period[M]')
增加了与
openpyxl版本 >= 2.0 的实验性兼容性。DataFrame.to_excel方法的engine关键字现在识别openpyxl1和openpyxl2，这将分别明确要求 openpyxl v1 和 v2，如果请求的版本不可用则失败。openpyxl引擎现在是一个元引擎，自动使用已安装的任何版本的 openpyxl。 (GH 7177)DataFrame.fillna现在可以接受一个DataFrame作为填充值 (GH 8377)当传递多个层级编号时，
stack()现在可以正常工作 (GH 7660)。请参见 通过堆叠和解堆叠重塑。set_names(),set_labels(), 和set_levels()方法现在接受一个可选的level关键字参数，用于修改 MultiIndex 的特定级别。此外，set_names()现在在操作Index或MultiIndex的特定级别时接受一个标量字符串值 (GH 7792)In [97]: idx = pd.MultiIndex.from_product([['a'], range(3), list("pqr")], ....: names=['foo', 'bar', 'baz']) ....: In [98]: idx.set_names('qux', level=0) Out[98]: MultiIndex([('a', 0, 'p'), ('a', 0, 'q'), ('a', 0, 'r'), ('a', 1, 'p'), ('a', 1, 'q'), ('a', 1, 'r'), ('a', 2, 'p'), ('a', 2, 'q'), ('a', 2, 'r')], names=['qux', 'bar', 'baz']) In [99]: idx.set_names(['qux', 'corge'], level=[0, 1]) Out[99]: MultiIndex([('a', 0, 'p'), ('a', 0, 'q'), ('a', 0, 'r'), ('a', 1, 'p'), ('a', 1, 'q'), ('a', 1, 'r'), ('a', 2, 'p'), ('a', 2, 'q'), ('a', 2, 'r')], names=['qux', 'corge', 'baz']) In [100]: idx.set_levels(['a', 'b', 'c'], level='bar') Out[100]: MultiIndex([('a', 'a', 'p'), ('a', 'a', 'q'), ('a', 'a', 'r'), ('a', 'b', 'p'), ('a', 'b', 'q'), ('a', 'b', 'r'), ('a', 'c', 'p'), ('a', 'c', 'q'), ('a', 'c', 'r')], names=['foo', 'bar', 'baz']) In [101]: idx.set_levels([['a', 'b', 'c'], [1, 2, 3]], level=[1, 2]) Out[101]: MultiIndex([('a', 'a', 1), ('a', 'a', 2), ('a', 'a', 3), ('a', 'b', 1), ('a', 'b', 2), ('a', 'b', 3), ('a', 'c', 1), ('a', 'c', 2), ('a', 'c', 3)], names=['foo', 'bar', 'baz'])
Index.isin现在支持level参数，以指定用于成员资格测试的索引级别 (GH 7892, GH 7890)In [1]: idx = pd.MultiIndex.from_product([[0, 1], ['a', 'b', 'c']]) In [2]: idx.values Out[2]: array([(0, 'a'), (0, 'b'), (0, 'c'), (1, 'a'), (1, 'b'), (1, 'c')], dtype=object) In [3]: idx.isin(['a', 'c', 'e'], level=1) Out[3]: array([ True, False, True, True, False, True], dtype=bool)
Index现在支持duplicated和drop_duplicates。 (GH 4060)In [102]: idx = pd.Index([1, 2, 3, 4, 1, 2]) In [103]: idx Out[103]: Index([1, 2, 3, 4, 1, 2], dtype='int64') In [104]: idx.duplicated() Out[104]: array([False, False, False, False, True, True]) In [105]: idx.drop_duplicates() Out[105]: Index([1, 2, 3, 4], dtype='int64')
在
pd.concat中添加copy=True参数以启用完整块的传递（GH 8252）增加了对 numpy 1.8+ 数据类型（
bool_、int_、float_、string_）转换为 R dataframe 的支持 (GH 8400)
性能#
在
DatetimeIndex.__iter__中的性能改进，以允许更快的迭代 (GH 7683)在
Period创建（和PeriodIndexsetitem）中的性能改进 (GH 5155)在 Series.transform 中改进以实现显著的性能提升（修订） (GH 6496)
在写入大文件时
StataWriter的性能改进 (GH 8079)多键
groupby中的性能和内存使用改进 (GH 8128)在 groupby
.agg和.apply中，性能改进，其中内置的 max/min 没有映射到 numpy/cythonized 版本 (GH 7722)在写入 sql (
to_sql) 的性能提升高达 50% (GH 8208)。对于大值 ngroups 的 groupby 性能基准测试 (GH 6787)
在
CustomBusinessDay和CustomBusinessMonth中的性能提升 (GH 8236)对于包含日期时间的多级索引，
MultiIndex.values的性能改进 (GH 8543)
错误修复#
在使用边距和字典aggfunc时，pivot_table中的错误 (GH 8349)
read_csv中的一个错误，当squeeze=True时会返回一个视图 (GH 8217)在某些情况下
read_sql中检查表名时存在错误 (GH 7826)。DataFrame.groupby中的错误，其中Grouper在指定频率时不识别级别 (GH 7885)当 DataFrame 保存到 SQL 表时，多索引 dtypes 混淆的错误 (GH 8021)
Series中浮点数和整数操作数数据类型在0除法中的错误 (GH 7785)Series.astype("unicode")中的错误未正确调用unicode处理值 (GH 7758)DataFrame.as_matrix()中混合datetime64[ns]和timedelta64[ns]dtypes 的 Bug (GH 7778)HDFStore.select_column()中的错误在选择DatetimeIndex时未保留 UTC 时区信息 (GH 7777)当指定
format='%Y%m%d'和coerce=True时，to_datetime中的错误，之前返回的是对象数组（而不是强制转换的时间序列，包含NaT），(GH 7930)DatetimeIndex和PeriodIndex的就地加法和减法与正常操作的结果不同 (GH 6527)在加减
PeriodIndex与PeriodIndex时出现TypeError的错误 (GH 7741)combine_first在PeriodIndex数据中存在错误，引发TypeError(GH 3367)使用缺失索引器进行 MultiIndex 切片时的错误 (GH 7866)
在各种边缘情况下使用 MultiIndex 切片时的错误 (GH 8132)
在带有非标量类型对象的 MultiIndex 索引中的回归 (GH 7914)
Timestamp使用==和int64dtype 进行比较时的错误 (GH 8058)pickles 中的错误包含
DateOffset可能在内部引用normalize属性时引发AttributeError(GH 7748)当使用
major_xs和copy=False时，Panel中的错误（由于缺少warnings导致弃用警告失败）(GH 8152)。在反序列化 pickle 时出现的错误，对于带有重复项的 pre-0.14.1 容器失败，试图避免在匹配块和管理器项时的歧义，当只有一个块时没有歧义 (GH 7794)
将
PeriodIndex放入Series中的错误会转换为int64数据类型，而不是Periods的object(GH 7932)在传递 where 时
HDFStore迭代中的 Bug (GH 8014)在传递未排序的键时
DataFrameGroupby.transform中的错误 (GH 8046, GH 8430)重复的时间序列线和区域图中的错误可能导致
ValueError或不正确的类型 (GH 7733)在
MultiIndex中使用datetime.date输入的推理错误 (GH 7888)get中的一个错误，其中IndexError不会导致返回默认值 (GH 7725)offsets.apply,rollforward和rollback中的错误可能会重置纳秒 (GH 7697)offsets.apply、rollforward和rollback中的错误可能会在Timestamp具有dateutiltzinfo 时引发AttributeError(GH 7697)在带有
Float64Index的多索引框架中排序的错误 (GH 8017)在为对齐设置
DataFrame的 rhs 时，面板 setitem 不一致的错误 (GH 7763)is_superperiod和is_subperiod中的错误无法处理高于S的频率（GH 7760, GH 7772, GH 7803）32位平台上的
Series.shift错误 (GH 8129)PeriodIndex.unique中的错误返回 int64np.ndarray(GH 7540)groupby.apply中在函数中存在不影响结果的突变的问题 (GH 8467)DataFrame.reset_index中的错误，当MultiIndex包含PeriodIndex或带时区的DatetimeIndex时会引发ValueError(GH 7746, GH 7793)在
DataFrame.plot中使用subplots=True时可能会绘制不必要的次要 xticks 和 yticks (GH 7801)StataReader中的一个错误，由于 Stata 文档和实现之间的差异，导致无法读取 117 个文件中的变量标签 (GH 7816)StataReader中的一个错误，其中字符串总是被转换为244个字符的固定宽度，而不考虑底层字符串的大小 (GH 7858)DataFrame.plot和Series.plot中的错误可能会忽略rot和fontsize关键字 (GH 7844)DatetimeIndex.value_counts中的错误不保留时区 (GH 7735)PeriodIndex.value_counts中的错误导致Int64Index(GH 7735)在
DataFrame.join中进行索引左连接且存在多个匹配项时的错误 (GH 5391)在
GroupBy.transform()中存在一个错误，当使用不保留索引的转换对整数组进行分组时，结果会被错误地截断 (GH 7972)。groupby中的一个错误，其中没有名称属性的可调用对象会走错路径，并生成一个DataFrame而不是一个Series(GH 7929)当 DataFrame 分组列重复时
groupby错误信息中的 Bug (GH 7511)read_html中的一个错误，其中infer_types参数强制将日期类型错误地转换 (GH 7762, GH 7032)。Series.str.cat中存在一个错误，该错误发生在索引被过滤为不包括第一个项目的情况下 (GH 7857)Timestamp中的错误无法从字符串解析nanosecond(GH 7878)Timestamp中带有字符串偏移和tz导致结果不正确 (GH 7833)tslib.tz_convert和tslib.tz_convert_single中的错误可能会返回不同的结果 (GH 7798)在
DatetimeIndex.intersection中，非重叠时间戳与时区引发IndexError(GH 7880)与 TimeOps 对齐的错误和非唯一索引 (GH 8363)
GroupBy.filter()中的一个错误，快速路径与慢速路径导致过滤器返回一个看似有效但不是标量的值（GH 7870）。当从输入日期推断时区时，在跨越夏令时边界时
date_range()/DatetimeIndex()中的错误导致返回了不正确的时间 (GH 7835, GH 7901)。to_excel()中的一个错误，正无穷大前加了一个负号，而负无穷大前没有负号 (GH 7949)当
stacked=True时，区域图中的错误会在图例中以不正确的alpha绘制 (GH 8027)Period和PeriodIndex与np.timedelta64的加减运算导致内部表示不正确 (GH 7740)Holiday中没有偏移或遵守的错误 (GH 7987)当列或索引是
MultiIndex时，DataFrame.to_latex格式化中的错误 (GH 7982)。DateOffset在夏令时附近的错误产生意外结果 (GH 5175)。DataFrame.shift中的一个错误，在 numpy 1.7 上会导致空列抛出ZeroDivisionError(GH 8019)安装中的一个错误，其中
html_encoding/*.html没有被安装，因此一些测试没有正确运行 (GH 7927)。在
read_html中的bytes对象在_read中未被测试的错误 (GH 7927)。当其中一个列级别是类似日期时，
DataFrame.stack()中的错误 (GH 8039)在
DataFrame中广播 numpy 标量时出现错误 (GH 8116)在
pivot_table中使用无名的index和columns会引发KeyError(GH 8103)DataFrame.plot(kind='scatter')中的错误在指定颜色时，点的颜色和误差条的颜色不同，当颜色由c关键字指定时 (GH 8081)Float64Index中的错误，其中iat和at未经过测试并失败 (GH 8092)。在
DataFrame.boxplot()中存在一个错误，当生成多个轴时，y 轴限制设置不正确 (GH 7528, GH 5517)。read_csv中的一个错误，当给定自定义行终止符或delim_whitespace=True时，行注释未正确处理 (GH 8122)。read_html中的一个错误，空表导致StopIteration(GH 7575)在设置相同数据类型块中的列时进行类型转换的错误 (GH 7704)
当原始分组器是一个元组时，从
GroupBy访问组的错误 (GH 8121)。.at中的一个错误，该错误会在非整数索引上接受整数索引器并进行回退 (GH 7814)kde 图和 NaN 的错误 (GH 8182)
在
GroupBy.count中使用 float32 数据类型时，nan 值未被排除的错误 (GH 8169)。带有堆叠条形图和 NaNs 的错误 (GH 8175)。
在非均匀可除偏移量（例如 ‘7s’）下的重采样错误 (GH 8371)
在使用
limit关键字时的插值方法中存在错误，当不需要插值时 (GH 7173)。当
header=False时，col_space在DataFrame.to_string()中被忽略的错误 (GH 8230)。DatetimeIndex.asof的错误，错误地匹配部分字符串并返回错误的日期 (GH 8245)。绘图方法中修改全局 matplotlib rcParams 的错误 (GH 8242)。
在
DataFrame.__setitem__中的一个错误，当将数据框列设置为稀疏数组时会导致错误 (GH 8131)当整个列都为空时，
Dataframe.boxplot()失败的错误 (GH 8181)。radviz可视化中变量混乱的错误 (GH 8199)。在使用
limit关键字时的插值方法中存在错误，当不需要插值时 (GH 7173)。当
header=False时，col_space在DataFrame.to_string()中被忽略的错误 (GH 8230)。to_clipboard中的错误会导致长列数据被剪切 (GH 8305)DataFrame终端显示中的错误：将 max_column/max_rows 设置为零不会触发 dfs 自动调整以适应终端宽度/高度 (GH 7180)。在OLS中的一个错误，使用“cluster”和“nw_lags”参数运行时没有正确工作，但也没有抛出错误 (GH 5884)。
DataFrame.dropna中的一个错误，将子集参数中不存在的列解释为 ‘最后一列’ (GH 8303)在非单调非唯一索引上的
Index.intersection错误 (GH 8362)。在掩码系列赋值中存在一个错误，当类型不匹配时会破坏对齐 (GH 8387)
NDFrame.equals中的错误在 dtype=object 时给出假阴性 (GH 8437)在索引器赋值中的错误，类型多样性会破坏对齐 (GH 8258)
当目标是一个列表/ndarray时，
NDFrame.loc索引中的错误导致行/列名称丢失 (GH 6552)当行/列转换为 Float64Index 时，
NDFrame.loc索引中的回归，如果目标是空列表/ndarray (GH 7774)Series中的一个错误，允许它通过一个会产生意外结果的DataFrame进行索引。这种索引不再被允许 (GH 8444)在具有 MultiIndex 列的
DataFrame的项目分配中存在一个错误，其中右侧列未对齐 (GH 7655)在比较包含 NaN 的对象数组时抑制由 NumPy 生成的 FutureWarning (GH 7065)
DataFrame.eval()中的一个错误，其中not运算符 (~) 的 dtype 没有被正确推断为bool。
贡献者#
总共有80人为此版本贡献了补丁。名字后面带有“+”的人首次贡献了补丁。
Aaron Schumacher +
Adam Greenhall
Andy Hayden
Anthony O’Brien +
Artemy Kolchinsky +
Ben Schiller +
Benedikt Sauer
Benjamin Thyreau +
BorisVerk +
Chris Reynolds +
Chris Stoafer +
DSM
Dav Clark +
FragLegs +
German Gomez-Herrero +
Hsiaoming Yang +
Huan Li +
Hyungtae Kim +
Isaac Slavitt +
Jacob Schaer
Jacob Wasserman +
Jan Schulz
Jeff Reback
Jeff Tratner
Jesse Farnham +
Joe Bradish +
Joerg Rittinger +
John W. O’Brien
Joris Van den Bossche
Kevin Sheppard
Kyle Meyer
Max Chang +
Michael Mueller
Michael W Schatzow +
Mike Kelly
Mortada Mehyar
Nathan Sanders +
Nathan Typanski +
Paul Masurel +
Phillip Cloud
Pietro Battiston
RenzoBertocchi +
Ross Petchler +
Shahul Hameed +
Shashank Agarwal +
Stephan Hoyer
Tom Augspurger
TomAugspurger
Tony Lorenzo +
Wes Turner
Wilfred Hughes +
Yevgeniy Grechka +
Yoshiki Vázquez Baeza +
behzad nouri +
benjamin
bjonen +
dlovell +
dsm054
hunterowens +
immerrr
ischwabacher
jmorris0x0 +
jnmclarty +
jreback
klonuo +
lexual
mcjcode +
mtrbean +
onesandzeroes
rockg
seth-p
sinhrks
someben +
stahlous +
stas-sl +
thatneat +
tom-alcorn +
unknown
unutbu
zachcp +