>= 4.0.2 and Hypothesis >= 3.58, then run: >>> pd.test() running: pytest --skip-slow --skip-network C:\Users\TP\Anaconda3\envs\py36\lib\site- �→packages\pandas ============================= test session ============================= platform win32 -- Python 3.6.2, pytest-3.6.0, py-1.4.34, pluggy-0.4.0 rootdir: C:\Users\TP\Documents\Python\pandasdev\pandas, inifile: setup.cfg collected 12145 items / 3 skipped orientation of the data set when writing functions; axes are considered more or less equivalent (except when C- or Fortran-contiguousness matters for performance). In pandas, the axes are intended to lend more semantic

standards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385 3.5.1.1 C (cpplint) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385 3.5.1.2 . . . . . . . . . . . . . . . . . . . . 1105 26 Enhancing Performance 1107 26.1 Cython (Writing C extensions for pandas) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1107 26.1.1 Pure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1146 31.2.1 Slicing with R’s c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1146 31.2.2 aggregate

standards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383 3.5.1.1 C (cpplint) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383 3.5.1.2 . . . . . . . . . . . . . . . . . . . . 1103 26 Enhancing Performance 1105 26.1 Cython (Writing C extensions for pandas) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1105 26.1.1 Pure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1144 31.2.1 Slicing with R’s c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1144 31.2.2 aggregate

. . . . . . . . . . . . . . . . . . . . 1008 27 Enhancing Performance 1009 27.1 Cython (Writing C extensions for pandas) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1009 27.1.1 Pure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1054 32.2.1 Slicing with R’s c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1054 32.2.2 aggregate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1090 34.7.2 Data Interop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1090 xxi

. . . . . . . . . . . . . . . . . . . . 1006 27 Enhancing Performance 1007 27.1 Cython (Writing C extensions for pandas) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1007 27.1.1 Pure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1052 32.2.1 Slicing with R’s c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1052 32.2.2 aggregate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1088 34.7.2 Data Interop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1088 35 API

development environment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407 3.3.4.1 Installing a C Complier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 408 3.3.4.2 Creating a Python standards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412 3.5.1.1 C (cpplint) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412 ix 3.5 . . . . . . . . . . . . . . . . . 1141 xxii 26 Enhancing Performance 1143 26.1 Cython (Writing C extensions for pandas) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1143 26.1.1 Pure

Oracle VM VirtualBox R ⃝ Manuel de l’utilisateur Version 4.3.13 c⃝ 2004-2014 Oracle Corporation http://www.virtualbox.org Contents 1 Premiers pas 11 1.1 À quoi sert la virtualisation ? . . . . 3 Le débogueur de VM intégré . . . . . . . . . . . . . . . . . . . . . . . . 222 12.1.4 Format du cœur d’une VM . . . . . . . . . . . . . . . . . . . . . . . . . 224 12.2 Général . . . . . . . . . . terminologie fondamentale aide, en particulier les termes suivants : Système d’exploitation hôte (OS hôte). C’est le système d’exploitation de l’ordinateur physique sur lequel VirtualBox a été installé. Il existe

. . . . . . . . . . . . . . . . . . . . . 858 26 Enhancing Performance 861 26.1 Cython (Writing C extensions for pandas) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 861 26.2 Using : date_range('20130101',periods=3,tz='US/Eastern'), ...: 'C' : date_range('20130101',periods=3,tz='CET')}) ...: In [2]: df Out[2]: A B C 0 2013-01-01 2013-01-01 00:00:00-05:00 2013-01-01 00:00:00+01:00 2013-01-03 00:00:00+01:00 In [3]: df.dtypes Out[3]: A datetime64[ns] B datetime64[ns, US/Eastern] C datetime64[ns, CET] dtype: object In [4]: df.B Out[4]: 0 2013-01-01 00:00:00-05:00 1 2013-01-02 00:00:00-05:00

column. In [12]: df = pd.DataFrame([{'var1': 'a,b,c', 'var2': 1}, ....: {'var1': 'd,e,f', 'var2': 2}]) ....: In [13]: df Out[13]: var1 var2 0 a,b,c 1 1 d,e,f 2 [2 rows x 2 columns] Creating a long In [14]: df.assign(var1=df.var1.str.split(',')).explode('var1') Out[14]: var1 var2 0 a 1 0 b 1 0 c 1 1 d 2 1 e 2 1 f 2 [6 rows x 2 columns] 1.1.7 Other enhancements • DataFrame.plot() keywords index. In [46]: s = pd.Series(list('abc'), index=ii) In [47]: s Out[47]: (0, 4] a (1, 5] b (5, 8] c Length: 3, dtype: object Selecting from a Series or DataFrame using [] (__getitem__) or loc now only