（資料科學學習手札73）盤點pandas 1.0.0中的新特性
本文對應指令碼及資料已上傳至我的
Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes
1 簡介
毫無疑問pandas已經成為基於Python的資料分析領域最重要的包，而就在最近，pandas終於迎來了1.0.0版本，對於pandas來說這是一次更新是里程碑式的，刪除了很多舊版本中臃腫的功能，新增了一些嶄新的特性，更加專注於高效實用的資料分析，本文就將針對pandas 1.0.0在筆者眼中比較重要的特性進行介紹，對於想要完整徹底瞭解新版本特性的朋友可以直接去看官方文件。
2 pandas 1.0.0中的新特性
由於1.0.0並不作為正式版釋出，因此要安裝它需要指定版本（請注意，pandas 1.0.0
Python 3.6.1及以上版本）：
pip install --upgrade pandas==1.0.0rc0 成功安裝後，讓我們來體驗一下全新版本的pandas給我們帶來了哪些令人興奮的功能吧。
2.1 新增StringDtype資料型別
一直以來，pandas中的字串型別都是用object來儲存的，這次更新帶來的新的更有針對性的StringDtye主要是為了解決如下問題：
object型別對於字串與非字串混合的資料無差別的統一儲存為一個型別，而現在的StringDtype則只允許儲存字串物件
我們通過下面的例子更好的理解這個新特性，首先我們在excel中建立如下的表格（圖2），其包含兩列V1
在jupyter lab中我們首先讀入該資料並檢視其具體資訊：
# 讀入StringDtype_test.xlsx並檢視其具體資訊
StringDtype_test = pd.read_excel('StringDtype test.xlsx')
StringDtype_test.info()
可以看到在資料讀入階段兩列都被當作object型，接下來我們使用astype方法分別對兩列強制轉換型別為string，看看在我們的新版本中會發生什麼（注意，在1.0.0版本中StringDtype
string）：
# 對V1進行強制型別
StringDtype_test['V1'].astype('string')
可以看到，執行這段程式碼後丟擲了對應的錯誤，因為StringDtype只允許字串出現，包含數字1的V1便被拒絕轉換為string型，而對於V2：
# 對V2進行強制型別
StringDtype_test['V2'].astype('string')
則正常完成了資料型別的轉換，而pandas中豐富的字串方法對新的string同樣適用，譬如英文字母大寫化：
StringDtype_test['V2'].astype('string').str.upper()
2.2 markdown表格匯出
在新版本的pandas中新增了一個很有意思的方法to_markdown()，通過它我們可以將表格匯出為markdown格式，下面是一個例子：
df = pd.DataFrame({"A": [1, 2, 3], "B": [1, 2, 3]}, index=['a', 'a', 'b'])
# 匯出為markdown表格字串
print(df.to_markdown())
下面的表格就是我直接將圖7中打印出的markdown格式表格放到編輯器中再修改了表格居中的效果，只要你的編輯器支援markdown格式，就可以這樣方便地生成表格：
| A | B | |
|---|---|---|
| a | 1 | 1 |
| a | 2 | 2 |
| b | 3 | 3 |
2.3 新增ignore_index引數
我們在過去版本對DataFrame或Series按列使用sort_values()、按index使用sort_index()排序或使用drop_duplicates()去除資料框中的重複值時，經常會發現處理後的結果index隨著排序或行的刪除而被打亂，在index無意義時我們需要使用reset_index()方法對結果的index進行重置，而在新版本的pandas中，為sort_values()、sort_index()以及drop_duplicates()引入了新引數ignore_index()，這是一個bool型變數，預設值為False，當被設定為True時，排序後結果的index會被自動重置：
df = pd.DataFrame({
'V1': [_ for _ in range(5)],
})
# ignore_index設定為False
df.sort_values(by='V1', ignore_index=False, ascending=False)這時因為ignore_index引數設定為False，排序後的結果index未被重置：
接下來設定ignore_index引數為True：
# ignore_index設定為True
df.sort_values(by='V1', ignore_index=True, ascending=False)這時返回的結果就已經被重置了index：
sort_index()和drop_duplicates()效果同上，不重複展示。
2.4 美化info()輸出
新版本的pandas對DataFrame.info()輸出內容進行了美化，增強了使用體驗：
df = pd.DataFrame({"int_col": [1, 2, 3],
"text_col": ["a", "b", "c"],
"float_col": [0.0, 0.1, 0.2]})
df.info()
還有很多更新內容，比如為rolling.apply()新增了引數engine，以使用numba後端極大提升numpy相關運算速度等，這裡就不再贅述，感興趣的讀者可以前往 https://pandas.pydata.org/pandas-docs/version/1.0.0/whatsnew/v1.0.0.html
以上就是本文的全部內容，如有筆誤望指出