pandas: powerful Python data analysis toolkit - 0.20.3

语言	格式	评分
英语	.pdf	3
摘要
文档介绍了pandas这一强大的Python数据分析工具包，版本0.20.3。该工具包提供高效、灵活和表达丰富的数据结构，适用于处理和分析关系型或标记式数据。pandas的主要功能包括数据清理、分析、建模和结果组织，支持时间序列数据、窗口函数、数据合并等操作。此外，文档详细列出了各个版本的新特性、改进和修复的bug，强调了其在生产中的应用，如金融领域。pandas也是统计计算生态系统statsmodels的依赖包，并提供了丰富的教程和练习，帮助用户掌握数据处理技能。用户需对NumPy有一定了解。
AI总结
### 总结本文档主要介绍了`pandas`这款强大的Python数据分析工具包，特别是版本`0.20.3`的相关内容。以下是核心内容的总结： --- ### 1. 概述 - pandas是一款高效、灵活且表达力的Python数据分析工具，适用于处理“关系”或“标记”数据，能够轻松完成数据清洗、分析、建模和结果呈现。 - pandas是科学计算生态系统中的重要组件，广泛应用于金融等生产环境，并依赖于`NumPy`，熟悉`NumPy`会有助于更好地使用`pandas`。 - pandas的速度快，许多底层算法经过优化，但过于泛化可能会牺牲性能。它是`statsmodels`的依赖，并且与其他工具包（如`xarray`）兼容。 --- ### 2. 版本更新 #### 0.20.3版本（2017年7月7日） - 这是一个小版本，主要包含小范围的回归修复和bug修复，推荐所有用户升级。 #### 0.19.0版本（2016年10月2日） - 引入了`merge_asof()`函数，用于时间序列的按需合并（asof-style joining）。 - `.rolling()`现在支持时间序列操作。 - `read_csv()`新增对分类数据的解析支持。 - 增加了`union_categorical()`函数，用于合并分类变量。 - 去除了对`Panel4D`和`PanelND`的支持，建议使用`xarray`代替。 - 移除了之前已弃用的`pandas.io.data`、`pandas.io.wb`和`pandas.tools.rplot`模块。 #### 0.18.0版本（2016年3月13日） - 滚动窗口和扩展窗口函数现在是`Series`和`DataFrame`上的方法，类似于`.groupby`。 - 增加对`RangeIndex`的支持，以节省内存。 - `.resample`方法的API进行了更改，使其更类似于`.groupby`。 - 去除了对浮点数位置索引的支持，此前已弃用。 #### 0.14.1版本（2014年7月11日） - 新增了`select_dtypes()`方法，用于根据数据类型选择列。 - 支持`dateutil`时区。 - `read_csv()`现在可以忽略完整的评论行。 - 新增了“选项和设置”的文档部分。 --- ### 3. learner 超全Features - 新功能： - 增加了`DataFrame.align`方法，支持标准的连接选项。 - `read_csv`和`read_table`新增了`parse_dates`选项，可选尝试解析索引列中的日期。 - 弃用与移除： -去除了 `.ix` 和 `Panel`，建议使用其他方法或工具包替代。 - 移除了部分废弃的函数和方法，例如`parseCSV`、`parseText`、`parseExcel`等。 --- ### 4. 教程和 Resources - 提供了针对新手的多个学习课程，包括数据导入/导出、数据清洗、统计分析、数据合并、可视化等内容。 - 练习部分涵盖了真实数据集的操作，帮助用户提升技能。 --- ### 5. 贡献者 - документalue列举了多个版本中贡献者的名字，感谢他们对pandas社区的贡献。 --- ### 6. 总体 - pandas是一个功能强大、社区活跃的开源工具包，适合处理复杂的数据分析任务。 - newUser建议从基础功能开始学习，并参考文档和教程以提升使用效率。 --- 以上是文档的核心内容，涵盖了`pandas`的功能特点、版本更新、学习资源等方面，重点突出关键信息，语言简洁明了。