Pandas 0.24釋出，將放棄Python 2

很多Pythoner應該早就知道，Python核心團隊將在2020年1月1日停止支援Python 2.7。

我們也看到了用於Python資料分析的各種神器也陸續公佈了取消支援Python 2.7的計劃。IPython是首批放棄對Python 2支援的工具之一，緊隨其後的是Matplotlib和最近的NumPy。其他流行的庫，如scikit-learn和SciPy，也將取消對Python 2的支援。

2019年1月25日，Pandas釋出了0.24.0版本，在對Python 2.7的取消支援的計劃裡，提到了從0.24開始，所有的新功能將不在支援Python 2.7，全面轉向只對Python 3的支援。

可以感覺到，從2019年開始，很多的Python包即將全面支援Python 3，請各位Python 初學者在選擇Python版本的時候，各位Python老程式設計師依然還在考慮是否繼續使用Python 2的時候，各位手裡掌控了Python包目前只支援Python 2.7的並有不少使用者的朋友，可以死心塌地的轉向Python 3了。

Tushare SDK在很早前就同時支援Python 2和3，所以並不存在版本的問題，未來在釋出新工具的時候，也會轉向Python 3版本。

Pandas 0.24對各依賴包的最低版本進行了調整，提升了一些版本號，我們可以從以下表格中檢視到各依賴包的最低版本要求。

其實使用者並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，手動升級Pandas版本也好，安裝程式會自行升級依賴包的版本。

但是，如果使用者對這些依賴包的版本有特定要求的時候，請謹慎升級。

0.24版本做了一些功能增強，這裡只介紹增加的幾個新介面。

1、建立陣列的新方法

新版本新增了一個新的頂級方法array()來建立一維陣列，可用於建立任意擴充套件，擴充套件陣列是從0.23版本開始的一個概念，用於實現擴充套件 NumPy型別系統的資料型別和陣列。用興趣的使用者，可以查詢pandas官網獲得更多資訊。

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、用於提取Series或Index陣列的新方法

在老的pandas版本里，我們可以透過.values來提取Series或者DataFrame的資料陣列，而從0.24版本開始，Pandas提供了兩個新的方法.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型別，而如果資料是Pandas自定義的資料型別就無法實現。所以在新版裡，如果你想獲取NumPy的ndarry，可以使用新辦法：Series.to_numpy() or Index.to_numpy()來實現。

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)

Pandas新版依然保留了.values的方法，但官方強烈建議用.array或.to_numpy()來替代.values。

3、read_html()功能改進

在之前的版本，如果是一個正常的html table，pandas的read_html方法可以快速的將表格資料讀取為一個DataFrame。但是，如果html table帶有colspan和rowspan屬性的合併欄位情況下，pandas會讀取錯誤。

比如，我們這裡有一個表格：

html程式碼是：

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>""")
   ....: 

老版本read_html讀取到的資料格式為：

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

而新版pandas讀取到的結果是：

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

 [1 rows x 3 columns]]

可以看出，實際上舊版讀取出來的資料是錯誤，而0.24版本進行了改進。

In [12]: june = pd.Period('June 2018')

In [13]: april = pd.Period('April 2018')

In [14]: june - april
Out [14]: 2

In [16]: june = pd.Period('June 2018')

In [17]: april = pd.Period('April 2018')

In [18]: june - april
Out[18]: <2 * MonthEnds>

來看一個例項：

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]

以前的方式，如果不匹配，會丟擲ValueError

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

# Comparison operations and arithmetic operations both broadcast.
In [90]: df == arr[[0], :]
Out[90]: 
       0      1
0   True   True
1  False  False
2  False  False

[3 rows x 2 columns]

In [91]: df + arr[[0], :]
Out[91]: 
   0  1
0  0  2
1  2  4
2  4  6

[3 rows x 2 columns]

# Comparison operations and arithmetic operations both broadcast.
In [92]: df == (1, 2)
Out[92]: 
       0      1
0  False  False
1  False  False
2  False  False

[3 rows x 2 columns]

In [93]: df + (1, 2)
Out[93]: 
   0  1
0  1  3
1  3  5
2  5  7

[3 rows x 2 columns]

除了上述一些變化以外，其實還有很多改進或者變動。總的來說，0.24.0版做了不少改進，也開啟了pandas正式全面擁抱Python 3的程式，希望Pandas越來越好，也希望每一個用Pandas做資料分析的使用者都能在資料裡挖據出資料價值，同時實現自己的價值。