9 जनवरी को, पंडों 1.0.0rc जारी किया गया था। पुस्तकालय का पिछला संस्करण 0.25 है।

पहले प्रमुख रिलीज में कई शानदार नवाचार शामिल हैं, जिसमें डेटा फ़्रेमों के स्वचालित स्वचालित संक्षेपण, अधिक आउटपुट स्वरूप, नए डेटा प्रकार और यहां तक ​​कि एक नया दस्तावेज़ीकरण साइट भी शामिल है।

सभी परिवर्तन यहां देखे जा सकते हैं , लेख में हम खुद को सबसे महत्वपूर्ण चीज की एक छोटी, कम तकनीकी समीक्षा तक सीमित कर लेंगे।

आप पाइप का उपयोग करके हमेशा की तरह पुस्तकालय स्थापित कर सकते हैं, लेकिन लेख पंडों 1.0 लिखने के समय के बाद से अभी भी एक रिलीज के उम्मीदवार हैं , आपको स्पष्ट रूप से संस्करण को निर्दिष्ट करने की आवश्यकता होगी:

pip install --upgrade pandas==1.0.0rc0 

सावधान रहें: चूंकि रिलीज बड़ी है, इसलिए अपडेट पुराने कोड को तोड़ सकता है!

वैसे, इस संस्करण से अजगर 2 के लिए समर्थन पूरी तरह से बंद कर दिया गया है ( जो अपग्रेड करने के लिए एक अच्छा कारण हो सकता है - लगभग। ट्रांसलेशन। )। पंडों 1.0 को कम से कम अजगर 3.6+ की आवश्यकता होती है, इसलिए यदि आप सुनिश्चित नहीं हैं, तो जांचें कि आपने कौन सा स्थापित किया है:

 $ pip --version pip 19.3.1 from /usr/local/lib/python3.7/site-packages/pip (python 3.7) $ python --version Python 3.7.5 

पंडों के संस्करण की जांच करने का सबसे आसान तरीका है:

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

DataFrame.info के साथ बेहतर ऑटो-सारांश

मेरा पसंदीदा नवाचार DataFrame.info विधि का अद्यतन था। फ़ंक्शन बहुत अधिक पठनीय हो गया है, जो डेटा को शोधित करने की प्रक्रिया को और भी आसान बनाता है:

 >>> 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 प्रारूप में तालिका आउटपुट

एक समान रूप से सुखद नवाचार DataFrame.to_markdown का उपयोग करके मार्कडाउन तालिकाओं को डेटा फ़्रेम निर्यात करने की क्षमता थी।

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

यह बहुत अच्छी तरह से github gists का उपयोग करके मध्यम जैसी साइटों पर प्रकाशन तालिका को सरल करता है।

तार और बूलियन के लिए नए प्रकार

पंडों 1.0 ने नए प्रयोगात्मक प्रकार भी जोड़े। उनका एपीआई परिवर्तन के अधीन है, इसलिए सावधानी के साथ इसका उपयोग करें। लेकिन सामान्य तौर पर, पंडों ने नए प्रकारों का उपयोग करने की सिफारिश की जहां भी यह समझ में आता है।

अब तक, कलाकारों को स्पष्ट रूप से करने की आवश्यकता है:

 >>> 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 

ध्यान दें कि कैसे DVype कॉलम नए प्रकारों को प्रदर्शित करता है - स्ट्रिंग और बूल ।

नए स्ट्रिंग प्रकार की सबसे उपयोगी विशेषता यह है कि डेटा फ़्रेमों से केवल पंक्तियों के कॉलम का चयन करना संभव है। यह पाठ डेटा के विश्लेषण को बहुत सरल कर सकता है:

 df.select_dtypes("string") 

पहले, स्पष्ट रूप से निर्दिष्ट नामों के बिना पंक्ति कॉलम का चयन नहीं किया जा सकता था।

नए प्रकारों के बारे में और जानकारी यहाँ मिल सकती है ।

पढ़ने के लिए धन्यवाद! परिवर्तनों की पूरी सूची, जैसा कि पहले ही उल्लेख किया गया है, यहां देखा जा सकता है ।