選自Medium
作者：Tom Waterman
機器之心編譯
參與：李詩萌、魔王
2020 年 1 月 9 日 Pandas 1.0.0rc 版本面世，Facebook 數據科學家 Tom Waterman 撰文概述了其新功能。本文助你輕鬆玩轉 Pandas 1.0。
常用數據科學庫 Pandas 剛剛年滿十二歲，現在已經發布到 1.0.0 版。首個 Pandas 1.0 候選版本顯示出，現在的 Pandas 在遇到缺失值時會接收一個新的標量，遵循語義化版本控制（Semantic Versioning）形成了新的棄用策略，網站也經過了重新設計……
注意：Pandas 1.0.0rc 版本於 2020 年 1 月 9 日發布，之前的版本是 0.25。
最新發布的 Pandas 版本包含許多優秀功能，如更好地自動匯總數據幀、更多輸出格式、新的數據類型，甚至還有新的文檔站點。
完整的版本說明參見：https://dev.pandas.io/docs/whatsnew/v1.0.0.html
本文將用較通俗的方式介紹 Pandas 新版本，希望對大家有所幫助。
要使用新版 Pandas，用戶可以用 pip 輕鬆升級。截至本文撰寫時，Pandas 1.0 仍是候選版本，這意味著安裝時需要明確指定版本號。
pip install --upgrade pandas==1.0.0rc0
當然，升級可能會破壞部分代碼，因為這次發布的是主要版本，所以請務必小心。
這一版 Pandas 也不再支持 Python 2。要使用 1.0+版本的 Pandas，至少需要 Python 3.6+版本，所以請確認 pip 和 python 的版本是正確的。
$ pip --version
pip 19.3.1 from /usr/local/lib/python3.7/site-packages/pip (python 3.7)$ python --version
Python 3.7.5
你可以根據下列代碼確認一切正常，以及 Pandas 的版本正確。
>>> import pandas as pd
>>> pd.__version__
1.0.0rc0
使用 DataFrame.info 更好地自動匯總數據幀
我最喜歡的新功能是改進後的 DataFrame.info (http://dataframe.info/) 方法。它使用一種可讀性更強的格式，讓數據探索過程變得更加容易。
>>> df = pd.DataFrame({
...: 'A': [1,2,3],
...: 'B': ["goodbye", "cruel", "world"],
...: 'C': [False, True, False]
...:})
>>> df.info()
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
支持 Markdown 表格作為輸出格式
我第二喜歡的功能是用 DataFrame.to_markdown 方法，把數據幀導出到 Markdown 表格中。
>>> df.to_markdown()
| | A | B | C |
|---:|----:|:--------|:------|
| 0 | 1 | goodbye | False |
| 1 | 2 | cruel | True |
| 2 | 3 | world | False |
這樣可以通過 GitHub Gist，在 Medium 等處更容易地展示數據。
新數據類型：布爾值和字元串
Pandas 1.0 還實驗性地引入了新的數據類型：布爾值和字元串。
由於這些改變是實驗性的，因此數據類型的 API 可能會有輕微的變動，所以用戶在使用時務必謹慎操作。不過，Pandas 推薦用戶合理使用這些數據類型，在未來的版本中也將改善特定類型運算的性能，比如正則表達式匹配（Regex Match）。
默認情況下，Pandas 不會自動將你的數據強製轉換為這些類型。但你可以修改參數來使用新的數據類型。
>>> B = pd.Series(["goodbye", "cruel", "world"], dtype="string")
>>> C = pd.Series([False, True, False], dtype="bool")
>>> df.B = B, df.C = C
>>> df.info()
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
注意現在的 Dtype 列是如何反映新數據類型 string 和 bool 的。
字元串數據類型最大的用處是，你可以從數據幀中隻選擇字元串列，這樣就可以更快地分析數據集中的文本。
df.select_dtypes("string")
在此之前，你只能通過指定名稱來選擇字元串類型列。
更多有關新數據類型的說明，參見：https://dev.pandas.io/docs/user_guide/text.html?highlight=string。
棄用
新版本棄用了許多功能。不過最值得注意的是，從 DataFrameGroupBy 對象中選擇列時，輸入 key 列表或 key 元組的方法已被棄用。現在要用 item 列表，而非鍵列表。
另一個最常用的變動出現在 DataFrame.hist() 和 Series.his() 中。現在 figsize 沒有默認值，要想指定繪圖的大小，需要輸入元組。
Bug 修複
新版本還修複了大量 bug，提高了數據分析的可信度。
此前，在遇到分類數據以外的值時，fillna() 會引發 ValueError。因此，它現在納入 assert 來測試不一致，並處理異常。
另外，在將分類數據轉換為整數時，也會產生錯誤的輸出。特別是對於 NaN 值，其輸出往往是錯誤的。因此，新版 Pandas 修複了這個 bug。
原文鏈接：https://towardsdatascience.com/top-features-of-pandas-1-0-26abff08d1b6
本文為機器之心編譯，轉載請聯繫本公眾號獲得授權。
------------------------------------------------
加入機器之心（全職記者 / 實習生）：[email protected]
投稿或尋求報導：content@jiqizhixin.com
廣告 & 商務合作：[email protected]
香港九龍灣馬來街興發大廈15樓D室