1月9日，Pandas 1.0.0rc发布了。 该库的先前版本是0.25。

第一个主要版本包含许多重大创新，包括改进的数据框自动汇总，更多的输出格式，新的数据类型，甚至新的文档站点。

所有更改都可以在此处看到，在本文中，我们将局限于对最重要的内容进行较小的，较少技术性的审查。

您可以像往常一样使用pip安装该库，但是由于在编写Pandas 1.0时仍是候选版本 ，因此您需要明确指定版本：

pip install --upgrade pandas==1.0.0rc0 

请注意：由于版本是主要版本，因此更新可能会破坏旧代码！

顺便说一下，此版本已完全停止对Python 2的支持（ 这可能是升级的好理由-大约翻译 ）。 Pandas 1.0至少需要Python 3.6+，因此，如果不确定，请检查已安装的版本：

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

检查Pandas版本的最简单方法是：

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

使用DataFrame.info改进了自动汇总

我最喜欢的创新是DataFrame.info方法的更新。 该功能变得更具可读性，这使得研究数据的过程变得更加容易：

 >>> 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 

表格输出为降价格式

同样令人愉快的创新是使用DataFrame.to_markdown将数据帧导出到Markdown表的功能 。

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

这极大地简化了使用github gists在Medium等网站上发布表格的过程。

字符串和布尔值的新类型

熊猫1.0还添加了新的实验类型。 他们的API可能会更改，因此请谨慎使用。 但总的来说，熊猫建议在有意义的地方使用新类型。

到目前为止，需要明确进行转换：

 >>> 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 

注意Dtype列如何显示新类型-string和bool 。

新字符串类型最有用的功能是可以从数据帧中仅选择行的列 。 这可以大大简化文本数据的分析：

 df.select_dtypes("string") 

以前，如果不显式指定名称，则无法选择行列。

有关新类型的更多信息，请参见此处 。

感谢您的阅读！ 如前所述，完整的更改列表可以在此处查看。