呆鸟云：“7 月 18 日，Pandas 团队推出了 Pandas 0.25 版，这就相当于 Python 3.8 啦，Python 数据分析师可别错过新版的好功能哦。”安装 0.25 版：pip install pandas，就可以了。

下面和大家一起看看新版 pandas 都有哪些改变。

一、四个置顶的警告！

从 0.25 起，pandas 只支持 Python 3.53 及以上版本了，不再支持 Python 2.7，还在使用 Python 2 的朋友可要注意了，享受不了新功能了，不过，貌似用 Python 2 做数据分析这事儿估计已经绝迹了吧！

下一版 pandas 将只支持 Python 3.6 及以上版本了，这是因为 f-strings 的缘故吗？嘿嘿。

彻底去掉了 Panel，N 维数据结构以后要用 xarray 了。说起来惭愧，呆鸟还没用过 Panel 呢，它怎么就走了。。。。

read_pickle() 与 read_msgpack()，只向后兼容到 0.20.3。上一篇文章刚介绍过 read_pickle()，它就也要离我们而去了吗？-_-||

看完了这四大警告，咱们再看下 0.25 带来了哪些新东西。

二、新增功能

1. Groupby 的命名聚合（Named Aggregation）

这可是个新功能，能直接为指定的聚合输出列命名。先创建一个 DataFrame 示例。
命名聚合示例，居然还支持中文诶！不过，这里是为了演示清晰才写的中文变量名，平时，该用英文还是要用英文的。
这么写看起来还是有些繁琐，很不 Pythonic，好在 pandas 提供了更简单的写法，只需传递一个 Tuple 就可以了，Tuple 里的第一个元素是指定列，第二个元素是聚合函数，看看下面的代码，是不是少敲了好多下键盘：
这里还可以进一步偷懒，只写 min 或 max，连单引号都不写了。Pandas 提供了一种叫 pandas.NameAgg 的命名元组（namedtuple），但如上面的代码所示，直接使用 Tuple 也没问题。
这两段代码的效果是一样的，结果都如下图所示。


命名聚合取代了已经废弃的 dict-of-dicts 重命名方式，看了一下，之前的操作还真是挺复杂的，这里就不赘述了，有兴趣回顾的朋友，可以自己看下用 dict 重命名 groupby.agg() 输出结果（已废弃） 这部分内容。
命名聚合还支持 Series 的 groupby 对象，因为 Series 无需指定列名，只要写清楚要应用的函数就可以了。


更多有关命名聚合的介绍，详见官方文档 Named aggregation 。

2. Groupby 聚合支持多个 lambda 函数

0.25 版有一个黑科技，以 list 方式向 agg() 函数传递多个 lambda 函数。为了减少键盘敲击量，真是无所不用其极啊！




0.25 版前，这样操作会触发 SpecificationError。

触发 SpecificationError
这个功能也有个小遗憾，多 lambda 函数的输出没有像命名聚合那样可以自定义命名，还要后面手动修改，有些不方便，不知道是我没找到，还是真没有……

3. 优化了 MultiIndex 显示输出

MultiIndex 输出的每行数据以 Tuple 显示，且垂直对齐，这样一来，MultiIndex 的结构显示的更清晰了。

之前，是这样的

现在，是这样的

真是货比货得扔，以前没感觉，现在一比较，有没有觉得大不相同呢？

4. 精简显示 Series 与 DataFrame

超过 60 行的 Series 与 DataFrame，pandas 会默认最多只显示 60 行（见 display.max_rows 选项）。这种设置依然会占用大量垂直屏幕空间。因此，0.25 版引入了 display.min_rows 选项，默认只显示 10 行：

• 数据量小的 Series 与 DataFrame， 显示 max_row 行数据，默认为 60 行，前 30 行与后 30 行；
• 数据量大的 Series 与 DataFrame，如果数据量超过 max_rows， 只显示 min_rows 行，默认为 10 行，即前 5 行与后 5 行。

最大与最小行数这种双重选项，允许在数据量较小时，比如数据量少于 60 行，显示全部数据，在数据量较大时，则只显示数据摘要。
要去掉 min_rows 的设置，可以把该选项设置为 None：
pd.options.display.min_rows = None

min_rows
在 VSCode 里显示正常，只显示了前 5 行与后 5 行，但貌似 Jupyter Notebook 6.0 目前貌似还不支持这个设置，还是显示前 30 行与后 30 行。图片太长，这里就不截图了。如果 Jupyter 可以的话，请告诉我。

5. json_normalize() 支持 max_level

json_normalize() 支持按层级（level）读取，增加了 max_level 控制参数。

0.25 以前是这样的，所有层级都读取出来了：


0.25 以后是这样的，可以通过 max_level 参数控制读取的 JSON 数据层级：



6. 增加 explode() 方法，把 list “炸”成行

Series 与 DataFrame 增加了 explode() 方法，把 list 形式的值转换为单独的行。



以后再拆分这样的数据就简单多了。具体官方文档说明详见 section on Exploding list-like column。

7. SparseDataFrame 被废弃了

0.25 以前专门有 SparseDataFrame()，生成稀疏矩阵，0.25 以后，这个函数被废弃了，改成 pd.DataFrame 里的 pd.SparseArray() 了，函数统一了，但是要多敲几下键盘了。
0.25 以前是这样的：0.25 以后是这样的：输出的结果都是一样的：

8. 对 DataFrame Groupby 后，Groupby.apply 对每组只处理一次

有没有想到，0.25 以前输出的结果居然是这样的：

0.25以前
0.25以后
这样才正常嘛~~！

9. 用 Dict 生成的 DataFrame，终于支持列排序啦

以前是乱序的，全凭 pandas 的喜好：


现在，我的字典终于我做主了！



10. Query() 支持列名空格了

用上面的 data 生成一个示例 DataFrame，注意列名是有空格的。

现在用反引号（`）括住列名，就可以直接查询了：


好了，本文就先介绍 pandas 0.25 的这些改变，其实，0.25 还包括了很多优化，比如，对 DataFrame GroupBy 后 ffill, bfill 方法的调整，对类别型数据的 argsort 的缺失值排序，groupby保留类别数据的数据类型等，如需了解，详见官方文档 What's new in 0.25.0。
配套的 Jupyter Notebook 文件链接：https://github.com/jaystone776/pandas_answered/blob/master/10_New_Features_in_Pandas_0.25.ipynb。

总结

以上是生活随笔为你收集整理的Pandas0.25来了，别错过这10大好用的新功能的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。