Pandas 0.24發(fā)布，將放棄Python 2

很多Pythoner應(yīng)該早就知道，Python核心團(tuán)隊(duì)將在2020年1月1日停止支持Python 2.7。

我們也看到了用于Python數(shù)據(jù)分析的各種神器也陸續(xù)公布了取消支持Python 2.7的計(jì)劃。IPython是首批放棄對(duì)Python 2支持的工具之一，緊隨其后的是Matplotlib和最近的NumPy。其他流行的庫，如scikit-learn和SciPy，也將取消對(duì)Python 2的支持。

2019年1月25日，Pandas發(fā)布了0.24.0版本，在對(duì)Python 2.7的取消支持的計(jì)劃里，提到了從0.24開始，所有的新功能將不在支持Python 2.7，全面轉(zhuǎn)向只對(duì)Python 3的支持。

可以感覺到，從2019年開始，很多的Python包即將全面支持Python 3，請(qǐng)各位Python 初學(xué)者在選擇Python版本的時(shí)候，各位Python老程序員依然還在考慮是否繼續(xù)使用Python 2的時(shí)候，各位手里掌控了Python包目前只支持Python 2.7的并有不少用戶的朋友，可以死心塌地的轉(zhuǎn)向Python 3了。

Tushare SDK在很早前就同時(shí)支持Python 2和3，所以并不存在版本的問題，未來在發(fā)布新工具的時(shí)候，也會(huì)轉(zhuǎn)向Python 3版本。

Pandas 0.24對(duì)各依賴包的最低版本進(jìn)行了調(diào)整，提升了一些版本號(hào)，我們可以從以下表格中查看到各依賴包的最低版本要求。

其實(shí)用戶并不需要專門考慮各種依賴包的版本問題，不管是新安裝也好，手動(dòng)升級(jí)Pandas版本也好，安裝程序會(huì)自行升級(jí)依賴包的版本。

但是，如果用戶對(duì)這些依賴包的版本有特定要求的時(shí)候，請(qǐng)謹(jǐn)慎升級(jí)。

0.24版本做了一些功能增強(qiáng)，這里只介紹增加的幾個(gè)新接口。

1、創(chuàng)建數(shù)組的新方法

新版本添加了一個(gè)新的頂級(jí)方法array()來創(chuàng)建一維數(shù)組，可用于創(chuàng)建任意擴(kuò)展，擴(kuò)展數(shù)組是從0.23版本開始的一個(gè)概念，用于實(shí)現(xiàn)擴(kuò)展 NumPy類型系統(tǒng)的數(shù)據(jù)類型和數(shù)組。用興趣的用戶，可以查詢pandas官網(wǎng)獲得更多信息。

In [1]: pd.array([1, 2, np.nan], dtype='Int64')
Out[2]: 
<IntegerArray>
[1, 2, NaN]
Length: 3, dtype: Int64

In [2]: pd.array(['a', 'b', 'c'], dtype='category')
Out[2]: 
[a, b, c]
Categories (3, object): [a, b, c]

2、用于提取Series或Index數(shù)組的新方法

在老的pandas版本里，我們可以通過.values來提取Series或者DataFrame的數(shù)據(jù)數(shù)組，而從0.24版本開始，Pandas提供了兩個(gè)新的方法.array或.to_numpy()。

In [3]: idx = pd.period_range('2000', periods=4)

In [4]: idx.array
Out[4]: 
<PeriodArray>
['2000-01-01', '2000-01-02', '2000-01-03', '2000-01-04']
Length: 4, dtype: period[D]

In [5]: pd.Series(idx).array
Out[5]: 
<PeriodArray>
['2000-01-01', '2000-01-02', '2000-01-03', '2000-01-04']
Length: 4, dtype: period[D]

老的方法每次返回的都是ndarray類型，而如果數(shù)據(jù)是Pandas自定義的數(shù)據(jù)類型就無法實(shí)現(xiàn)。所以在新版里，如果你想獲取NumPy的ndarry，可以使用新辦法：In [7]: idx.to_numpy()
Out[7]: 
array([Period('2000-01-01', 'D'), Period('2000-01-02', 'D'),
       Period('2000-01-03', 'D'), Period('2000-01-04', 'D')], dtype=object)

In [8]: pd.Series(idx).to_numpy()
Out[8]: 
array([Period('2000-01-01', 'D'), Period('2000-01-02', 'D'),
       Period('2000-01-03', 'D'), Period('2000-01-04', 'D')], dtype=object)


In [8]: result = pd.read_html("""
   ....:   <table>
   ....:     <thead>
   ....:       <tr>
   ....:         <th>A</th><th>B</th><th>C</th>
   ....:       </tr>
   ....:     </thead>
   ....:     <tbody>
   ....:       <tr>
   ....:         <td colspan="2">1</td><td>2</td>
   ....:       </tr>
   ....:     </tbody>
   ....:   </table>""")
   ....: 

In [9]: result
Out [9]:
[   A  B   C
 0  1  2 NaN]

In [10]: result
Out[10]: 
[   A  B  C
 0  1  1  2

 [1 rows x 3 columns]]

In [87]: arr = np.arange(6).reshape(3, 2)

In [88]: df = pd.DataFrame(arr)

In [89]: df
Out[89]: 
   0  1
0  0  1
1  2  3
2  4  5

[3 rows x 2 columns]

In [5]: df == arr[[0], :]
    ...: # comparison previously broadcast where arithmetic would raise
Out[5]:
       0      1
0   True   True
1  False  False
2  False  False
In [6]: df + arr[[0], :]
...
ValueError: Unable to coerce to DataFrame, shape must be (3, 2): given (1, 2)

In [7]: df == (1, 2)
    ...: # length matches number of columns;
    ...: # comparison previously raised where arithmetic would broadcast
...
ValueError: Invalid broadcasting comparison [(1, 2)] with block values
In [8]: df + (1, 2)
Out[8]:
   0  1
0  1  3
1  3  5
2  5  7

In [9]: df == (1, 2, 3)
    ...:  # length matches number of rows
    ...:  # comparison previously broadcast where arithmetic would raise
Out[9]:
       0      1
0  False   True
1   True  False
2  False  False
In [10]: df + (1, 2, 3)
...
ValueError: Unable to coerce to Series, length must be 2: given 3