1.4.0中的新特性(2022年1月22日)#

这些是Pandas1.4.0中的变化。看见 发行说明 获取完整的更改日志，包括其他版本的Pandas。

增强#

改进了警告消息#

此前，警告消息可能指向大Pandas类库内的线条。运行脚本 setting_with_copy_warning.py

import pandas as pd

df = pd.DataFrame({'a': [1, 2, 3]})
df[:2].loc[:, 'a'] = 5

Pandas1.3的结果是：：

.../site-packages/pandas/core/indexing.py:1951: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.

这使得很难确定警告是从哪里生成的。现在，Pandas将检查调用堆栈，报告导致警告的Pandas库外的第一行。上述脚本的输出现在为：

setting_with_copy_warning.py:4: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.

索引可以容纳任意ExtensionArray#

到目前为止，通过一个习俗 ExtensionArray 至 pd.Index 会将数组强制转换为 object 数据类型。现在 Index 可以直接容纳任意扩展阵列 (GH43930 )。

以前的行为 ：

In [1]: arr = pd.array([1, 2, pd.NA])

In [2]: idx = pd.Index(arr)

在过去的行为中， idx 将是对象数据类型：

以前的行为 ：

In [1]: idx
Out[1]: Index([1, 2, <NA>], dtype='object')

使用新的行为，我们保留了原始的dtype：

新行为 ：

In [3]: idx
Out[3]: Index([1, 2, <NA>], dtype='Int64')

这方面的一个例外是 SparseArray ，这将继续转换为麻木dtype，直到Pandas2.0。此时，它将像其他ExtensionArray一样保留其数据类型。

造型师#

Styler 在1.4.0中得到了进一步的开发。已对以下方面进行了一般性改进：

此外，还对特定于HTML的呈现进行了特定增强：

  • Styler.bar() introduces additional arguments to control alignment and display (GH26070, GH36419), and it also validates the input arguments width and height (GH42511)

  • Styler.to_html() introduces keyword arguments sparse_index, sparse_columns, bold_headers, caption, max_rows and max_columns (GH41946, GH43149, GH42972)

  • Styler.to_html() 作为性能增强，省略隐藏表元素的CSSStyle规则 (GH43619 )

  • 现在，无需替换字符串即可直接指定定制的css类 (GH43686 )

  • 能够通过新的 hyperlinks 格式化关键字参数 (GH45058 )

还有一些特定于LaTeX的增强功能：

  • Styler.to_latex() 引入关键字参数 environment ，它还允许通过单独的JJIA2模板提供特定的“可长的”条目 (GH41866 )

  • LaTeX现在可以实现朴素的稀疏化，而不需要包括多行包装 (GH43369 )

  • 克莱恩 添加了对 MultiIndex 通过关键字参数进行行稀疏 (GH45138 )

基于PYARROW的新型CSV引擎的多线程CSV读取#

pandas.read_csv() 现在接受 engine="pyarrow" (至少需要 pyarrow 1.0.1)作为参数，允许在安装了yarrow的多核计算机上进行更快的CSV解析。请参阅 I/O docs 了解更多信息。 (GH23697 ， GH43706 )

用于滚动和展开窗口的排名函数#

已添加 rank 函数用于 Rolling 和 Expanding 。新功能支持 method ， ascending ，以及 pct 旗帜： DataFrame.rank() 。这个 method 论据支持 min ， max ，以及 average 排名方法。示例：

In [4]: s = pd.Series([1, 4, 2, 3, 5, 3])

In [5]: s.rolling(3).rank()
Out[5]: 
0    NaN
1    NaN
2    2.0
3    2.0
4    3.0
5    1.5
Length: 6, dtype: float64

In [6]: s.rolling(3).rank(method="max")
Out[6]: 
0    NaN
1    NaN
2    2.0
3    2.0
4    3.0
5    2.0
Length: 6, dtype: float64

按位置分组索引#

现在可以指定相对于每组末端的位置范围。

否定的论据 GroupBy.head() 和 GroupBy.tail() 现在可以正常工作，并分别产生相对于每个组的结束和开始的范围。以前，负参数返回空框。

In [7]: df = pd.DataFrame([["g", "g0"], ["g", "g1"], ["g", "g2"], ["g", "g3"],
   ...:                    ["h", "h0"], ["h", "h1"]], columns=["A", "B"])
   ...: 

In [8]: df.groupby("A").head(-1)
Out[8]: 
   A   B
0  g  g0
1  g  g1
2  g  g2
4  h  h0

[4 rows x 2 columns]

GroupBy.nth() 现在接受整数和切片的切片或列表。

In [9]: df.groupby("A").nth(slice(1, -1))
Out[9]: 
    B
A    
g  g1
g  g2

[2 rows x 1 columns]

In [10]: df.groupby("A").nth([slice(None, 1), slice(-1, None)])
Out[10]: 
    B
A    
g  g0
g  g3
h  h0
h  h1

[4 rows x 1 columns]

GroupBy.nth() 现在接受索引表示法。

In [11]: df.groupby("A").nth[1, -1]
Out[11]: 
    B
A    
g  g1
g  g3
h  h1

[3 rows x 1 columns]

In [12]: df.groupby("A").nth[1:-1]
Out[12]: 
    B
A    
g  g1
g  g2

[2 rows x 1 columns]

In [13]: df.groupby("A").nth[:1, -1:]
Out[13]: 
    B
A    
g  g0
g  g3
h  h0
h  h1

[4 rows x 1 columns]

DataFrame.from_dict和DataFrame.to_dict有新的 'tight' 选项#

一个新的 'tight' 保留的词典格式 MultiIndex 条目和名称现在可通过 DataFrame.from_dict() 和 DataFrame.to_dict() 方法并可与标准一起使用 json 库，以产生紧密的表示 DataFrame 对象 (GH4889 )。

In [14]: df = pd.DataFrame.from_records(
   ....:     [[1, 3], [2, 4]],
   ....:     index=pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")],
   ....:                                     names=["n1", "n2"]),
   ....:     columns=pd.MultiIndex.from_tuples([("x", 1), ("y", 2)],
   ....:                                       names=["z1", "z2"]),
   ....: )
   ....: 

In [15]: df
Out[15]: 
z1     x  y
z2     1  2
n1 n2      
a  b   1  3
   c   2  4

[2 rows x 2 columns]

In [16]: df.to_dict(orient='tight')
Out[16]: 
{'index': [('a', 'b'), ('a', 'c')],
 'columns': [('x', 1), ('y', 2)],
 'data': [[1, 3], [2, 4]],
 'index_names': ['n1', 'n2'],
 'column_names': ['z1', 'z2']}

其他增强功能#

值得注意的错误修复#

这些错误修复可能会带来显著的行为变化。

日期字符串解析不一致#

这个 dayfirst 选项： to_datetime() 并不严格，这可能会导致令人惊讶的行为：

In [17]: pd.to_datetime(["31-12-2021"], dayfirst=False)
Out[17]: DatetimeIndex(['2021-12-31'], dtype='datetime64[ns]', freq=None)

现在，如果日期字符串不能按照给定的 dayfirst 当值为分隔日期字符串(例如 31-12-2012 )。

忽略具有空列或全NA列的串联中的数据类型#

在使用时 concat() 将两个或多个连接起来 DataFrame 对象，如果其中一个DataFrames为空或具有全NA值，则其数据类型为 有时候 查找连接的数据类型时忽略。现在，这些都是一致的 not 忽略 (GH43507 )。

In [18]: df1 = pd.DataFrame({"bar": [pd.Timestamp("2013-01-01")]}, index=range(1))

In [19]: df2 = pd.DataFrame({"bar": np.nan}, index=range(1, 2))

In [20]: res = pd.concat([df1, df2])

以前，中的浮点数据类型 df2 将被忽略，因此结果数据类型将为 datetime64[ns] 。因此， np.nan 将被演绎成 NaT 。

以前的行为 ：

In [4]: res
Out[4]:
         bar
0 2013-01-01
1        NaT

现在，浮点dtype受到了尊重。由于这些DataFrame的公共数据类型是Object，因此 np.nan 被保留了下来。

新行为 ：

In [21]: res
Out[21]: 
                   bar
0  2013-01-01 00:00:00
1                  NaN

[2 rows x 1 columns]

NULL-在VALUE_COUNTS AND模式下，不再将值强制为NaN值#

Series.value_counts() 和 Series.mode() 不再强迫 None ， NaT 和其他空值设置为NaN值 np.object -dtype。此行为现在与 unique ， isin 和其他人 (GH42688 )。

In [22]: s = pd.Series([True, None, pd.NaT, None, pd.NaT, None])

In [23]: res = s.value_counts(dropna=False)

以前，所有空值都被替换为NaN值。

以前的行为 ：

In [3]: res
Out[3]:
NaN     5
True    1
dtype: int64

现在，空值不再损坏。

新行为 ：

In [24]: res
Out[24]: 
None    3
NaT     2
True    1
Length: 3, dtype: int64

READ_CSV中的MANGLE_DUPE_COLS不再重命名与目标名称冲突的唯一列#

read_csv() 不再重命名与重复列的目标名称冲突的唯一列标签。跳过已有的列，即将下一个可用索引用于目标列名 (GH14704 )。

In [25]: import io

In [26]: data = "a,a,a.1\n1,2,3"

In [27]: res = pd.read_csv(io.StringIO(data))

以前，第二列被称为 a.1 ，而第三列也被重新命名为 a.1.1 。

以前的行为 ：

In [3]: res
Out[3]:
    a  a.1  a.1.1
0   1    2      3

现在，重命名检查是否 a.1 在更改第二列的名称时已存在并跳过此索引。第二列改为重命名为 a.2 。

新行为 ：

In [28]: res
Out[28]: 
   a  a.2  a.1
0  1    2    3

[1 rows x 3 columns]

UNSTACK和PIVOT_TABLE不再为超过int32限制的结果引发ValueError#

先前 DataFrame.pivot_table() 和 DataFrame.unstack() 会引发一个 ValueError 如果该操作可以产生的结果超过 2**31 - 1 元素。此操作现在会引发 errors.PerformanceWarning 取而代之的是 (GH26314 )。

以前的行为 ：

In [3]: df = DataFrame({"ind1": np.arange(2 ** 16), "ind2": np.arange(2 ** 16), "count": 0})
In [4]: df.pivot_table(index="ind1", columns="ind2", values="count", aggfunc="count")
ValueError: Unstacked DataFrame is too big, causing int32 overflow

新行为 ：

In [4]: df.pivot_table(index="ind1", columns="ind2", values="count", aggfunc="count")
PerformanceWarning: The following operation may generate 4294967296 cells in the resulting pandas object.

Groupby。应用一致变换检测#

GroupBy.apply() 设计为灵活的，允许用户执行聚合、转换、筛选器，并将其与用户定义的函数一起使用，这些函数可能不属于任何这些类别。作为其中的一部分，Apply将尝试检测操作何时为转换，在这种情况下，结果将具有与输入相同的索引。为了确定操作是否是转换，Pandas会将输入的索引与结果的索引进行比较，并确定它是否发生了突变。在Pandas 1.3之前，不同的代码路径使用不同的“突变”定义：有些代码路径使用的是Python的 is 而其他人只会测试达到平等的程度。

这种不一致已经消除了，Pandas现在考验着平等。

In [29]: def func(x):
   ....:     return x.copy()
   ....: 

In [30]: df = pd.DataFrame({'a': [1, 2], 'b': [3, 4], 'c': [5, 6]})

In [31]: df
Out[31]: 
   a  b  c
0  1  3  5
1  2  4  6

[2 rows x 3 columns]

以前的行为 ：

In [3]: df.groupby(['a']).apply(func)
Out[3]:
     a  b  c
a
1 0  1  3  5
2 1  2  4  6

In [4]: df.set_index(['a', 'b']).groupby(['a']).apply(func)
Out[4]:
     c
a b
1 3  5
2 4  6

在上面的示例中，第一个使用了Pandas使用的代码路径 is 并确定 func 不是转换，而第二个测试达到相等并确定 func 是一种转变。在第一种情况下，结果的索引与输入的索引不同。

新行为 ：

In [5]: df.groupby(['a']).apply(func)
Out[5]:
   a  b  c
0  1  3  5
1  2  4  6

In [6]: df.set_index(['a', 'b']).groupby(['a']).apply(func)
Out[6]:
     c
a b
1 3  5
2 4  6

现在，在这两种情况下，都确定 func 是一种转变。在每种情况下，结果都与输入具有相同的索引。

向后不兼容的API更改#

提高了Python的最低版本#

Pandas 1.4.0支持Python3.8及更高版本。

提高了依赖项的最低版本#

更新了一些受支持的依赖项的最低版本。如果已安装，我们现在需要：

套餐

最低版本

必填项

变化

钱币

1.18.5

X

X

皮兹

2020.1

X

X

Python-Dateutil

2.8.1

X

X

瓶颈

1.3.1

X

数字快递

2.7.1

X

最热(Dev)

6.0

Mypy(开发人员)

0.930

X

为 optional libraries 一般建议使用最新版本。下表列出了目前在整个Pandas发育过程中正在测试的每个库的最低版本。低于最低测试版本的可选库仍可运行，但不被视为受支持。

套餐

最低版本

变化

美味可口的汤

4.8.2

X

实木地板

0.4.0

FsSpec

0.7.4

Gcsf

0.6.0

Lxml

4.5.0

X

Matplotlib

3.3.2

X

Numba

0.50.1

X

OpenPyxl

3.0.3

X

Pandas-Gbq

0.14.0

X

绿箭侠

1.0.1

X

Pymysql

0.10.1

X

易燃物

3.6.1

X

S3FS

0.4.0

斯比

1.4.1

X

SQLALCHIZY

1.4.0

X

制表

0.8.7

XARRAY

0.15.1

X

Xlrd

2.0.1

X

Xlsx写入器

1.2.2

X

超大重量

1.3.0

看见 依赖项 和 可选依赖项 想要更多。

其他API更改#

  • Index.get_indexer_for() 不再接受关键字参数(除 target )；在过去，如果索引不是唯一的，这些将被静默忽略 (GH42310 )

  • 的位置发生变化 min_rows 中的参数 DataFrame.to_string() 由于文档字符串中的更改 (GH44304 )

  • Reduction operations for DataFrame or Series now raising a ValueError when None is passed for skipna (GH44178)

  • read_csv() 和 read_html() 当其中一个标题行仅由 Unnamed: 列 (GH13054 )

  • 更改了 name 中的几个假日的属性 USFederalHolidayCalendar 匹配 official federal holiday names 具体地说：

    • “新年”获得了所有格撇号

    • “总统日”成为“华盛顿诞辰日”

    • “马丁·路德·金的生日”现在变成了“马丁·路德·金的生日”。

    • “七四”现在是“独立日”

    • “感恩节”现在成了“感恩节”

    • “圣诞节”现在是“圣诞节”

    • 增加“六月十九号国家独立日”

不推荐使用#

不推荐使用Int64Index、UInt64Index和Float64Index#

Int64Index ， UInt64Index 和 Float64Index 已经被弃用，转而支持基地 Index 类，并将在Pandas 2.0中删除 (GH43028 )。

要构造数字索引，可以使用基数 Index 类的新实例，而不是指定数据类型(这也适用于较旧的PANDA版本)：

# replace
pd.Int64Index([1, 2, 3])
# with
pd.Index([1, 2, 3], dtype="int64")

要检查索引对象的数据类型，可以替换 isinstance 检查与检查 dtype ：

# replace
isinstance(idx, pd.Int64Index)
# with
idx.dtype == "int64"

目前，为了保持向后兼容性，调用 Index 将继续返回 Int64Index ， UInt64Index 和 Float64Index 当给定数值数据时，但在将来， Index 将会被退还。

当前行为 ：

In [1]: pd.Index([1, 2, 3], dtype="int32")
Out [1]: Int64Index([1, 2, 3], dtype='int64')
In [1]: pd.Index([1, 2, 3], dtype="uint64")
Out [1]: UInt64Index([1, 2, 3], dtype='uint64')

未来行为 ：

In [3]: pd.Index([1, 2, 3], dtype="int32")
Out [3]: Index([1, 2, 3], dtype='int32')
In [4]: pd.Index([1, 2, 3], dtype="uint64")
Out [4]: Index([1, 2, 3], dtype='uint64')

不推荐使用DataFrame.append和Series.append#

DataFrame.append() 和 Series.append() 已被弃用，并将在未来的版本中删除。使用 pandas.concat() 取而代之的是 (GH35407 )。

不推荐使用的语法

In [1]: pd.Series([1, 2]).append(pd.Series([3, 4])
Out [1]:
<stdin>:1: FutureWarning: The series.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
0    1
1    2
0    3
1    4
dtype: int64

In [2]: df1 = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
In [3]: df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
In [4]: df1.append(df2)
Out [4]:
<stdin>:1: FutureWarning: The series.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
   A  B
0  1  2
1  3  4
0  5  6
1  7  8

推荐的语法

In [32]: pd.concat([pd.Series([1, 2]), pd.Series([3, 4])])
Out[32]: 
0    1
1    2
0    3
1    4
Length: 4, dtype: int64

In [33]: df1 = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))

In [34]: df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))

In [35]: pd.concat([df1, df2])
Out[35]: 
   A  B
0  1  2
1  3  4
0  5  6
1  7  8

[4 rows x 2 columns]

其他不推荐使用的词#

  • Deprecated Index.is_type_compatible() (GH42113)

  • 已弃用 method 中的参数 Index.get_loc() ，使用 index.get_indexer([label], method=...) 取而代之的是 (GH42269 )

  • 不推荐在中处理整型键 Series.__setitem__() 作为位置，当索引是 Float64Index 不包含密钥，则一个 IntervalIndex 没有包含该键的条目，或者一个 MultiIndex 以领先的 Float64Index 级别不包含密钥 (GH33469 )

  • Deprecated treating numpy.datetime64 objects as UTC times when passed to the Timestamp constructor along with a timezone. In a future version, these will be treated as wall-times. To retain the old behavior, use Timestamp(dt64).tz_localize("UTC").tz_convert(tz) (GH24559)

  • Deprecated ignoring missing labels when indexing with a sequence of labels on a level of a MultiIndex (GH42351)

  • Creating an empty Series without a dtype will now raise a more visible FutureWarning instead of a DeprecationWarning (GH30017)

  • 不推荐使用 kind 中的参数 Index.get_slice_bound() ， Index.slice_indexer() ，以及 Index.slice_locs() ；在未来通过的版本中 kind 将筹集 (GH42857 )

  • 中不推荐删除讨厌的列 Rolling ， Expanding ，以及 EWM 聚合体 (GH42738 )

  • Deprecated Index.reindex() with a non-unique Index (GH42568)

  • Deprecated Styler.render() in favor of Styler.to_html() (GH42140)

  • Deprecated Styler.hide_index() and Styler.hide_columns() in favor of Styler.hide() (GH43758)

  • Deprecated passing in a string column label into times in DataFrame.ewm() (GH43265)

  • 不推荐使用 include_start 和 include_end 中的参数 DataFrame.between_time() ；在未来通过的版本中 include_start 或 include_end 将筹集 (GH40245 )

  • 不推荐使用 squeeze 参数为 read_csv() ， read_table() ，以及 read_excel() 。用户应该挤压 DataFrame 之后与 .squeeze("columns") 取而代之的是 (GH43242 )

  • 不推荐使用 index 参数为 SparseArray 施工 (GH23089 )

  • 不推荐使用 closed 中的参数 date_range() 和 bdate_range() 赞成 inclusive 参数；在将来的版本中传递 closed 将筹集 (GH40245 )

  • Deprecated Rolling.validate(), Expanding.validate(), and ExponentialMovingWindow.validate() (GH43665)

  • 不推荐静默删除引发 TypeError 在……里面 Series.transform 和 DataFrame.transform 当与词典一起使用时 (GH43740 )

  • 不推荐静默删除引发 TypeError ， DataError ，以及一些案例 ValueError 在……里面 Series.aggregate() ， DataFrame.aggregate() ， Series.groupby.aggregate() ，以及 DataFrame.groupby.aggregate() 与列表一起使用时 (GH43740 )

  • 将时区感知值设置为时区感知值时，不推荐使用强制转换行为 Series 或 DataFrame 当时区不匹配时，列。在此之前，该类型转换为对象dtype。在将来的版本中，插入的值将转换为序列或列的现有时区 (GH37605 )

  • 将带有不匹配时区的项传递到时，不推荐使用强制转换行为 DatetimeIndex.insert() ， DatetimeIndex.putmask() ， DatetimeIndex.where() DatetimeIndex.fillna() ， Series.mask() ， Series.where() ， Series.fillna() ， Series.shift() ， Series.replace() ， Series.reindex() (及 DataFrame 列类似物)。在过去，这一点被转化为反对 dtype 。在将来的版本中，它们会将传递的项转换为索引或系列的时区 (GH37605 ， GH44940 )

  • 不推荐使用 prefix 中的关键字参数 read_csv() 和 read_table() ，在将来的版本中将删除该参数 (GH43396 )

  • Deprecated passing non boolean argument to sort in concat() (GH41518)

  • Deprecated passing arguments as positional for read_fwf() other than filepath_or_buffer (GH41485)

  • Deprecated passing arguments as positional for read_xml() other than path_or_buffer (GH45133)

  • 不推荐使用的传递 skipna=None 为 DataFrame.mad() 和 Series.mad() ，通过 skipna=True 取而代之的是 (GH44580 )

  • 已弃用的行为 to_datetime() 带有字符串“NOW”和 utc=False ；在将来的版本中，这将与 Timestamp("now") ，这反过来又匹配 Timestamp.now() 返回当地时间 (GH18705 )

  • 已弃用 DateOffset.apply() ，使用 offset + other 取而代之的是 (GH44522 )

  • Deprecated parameter names in Index.copy() (GH44916)

  • 现在，将显示以下内容的弃用警告 DataFrame.to_latex() 指示参数签名可能会更改并模拟更多参数 Styler.to_latex() 在未来的版本中 (GH44411 )

  • 不推荐使用的行为 concat() 在具有bool数据类型和数字数据类型的对象之间进行转换；在未来的版本中，这些类型将转换为对象数据类型，而不是强制将bool转换为数值 (GH39817 )

  • 已弃用 Categorical.replace() ，使用 Series.replace() 取而代之的是 (GH44929 )

  • Deprecated passing set or dict as indexer for DataFrame.loc.__setitem__(), DataFrame.loc.__getitem__(), Series.loc.__setitem__(), Series.loc.__getitem__(), DataFrame.__getitem__(), Series.__getitem__() and Series.__setitem__() (GH42825)

  • 已弃用 Index.__getitem__() 用布尔键；使用 index.values[key] 为了恢复旧有的行为 (GH44051 )

  • 中已弃用逐列向下转换 DataFrame.where() 使用整型数据类型 (GH44597 )

  • 已弃用 DatetimeIndex.union_many() ，使用 DatetimeIndex.union() 取而代之的是 (GH44091 )

  • Deprecated Groupby.pad() in favor of Groupby.ffill() (GH33396)

  • Deprecated Groupby.backfill() in favor of Groupby.bfill() (GH33396)

  • Deprecated Resample.pad() in favor of Resample.ffill() (GH33396)

  • Deprecated Resample.backfill() in favor of Resample.bfill() (GH33396)

  • 已弃用 numeric_only=None 在……里面 DataFrame.rank() ；在未来的版本中 numeric_only 必须是其中之一 True 或 False (默认设置) (GH45036 )

  • Deprecated the behavior of Timestamp.utcfromtimestamp(), in the future it will return a timezone-aware UTC Timestamp (GH22451)

  • Deprecated NaT.freq() (GH45071)

  • 不推荐使用的行为 Series 和 DataFrame 在传递包含以下内容的浮点型数据时构造 NaN 和忽略dtype参数的整型dtype；在将来的版本中，这将引发 (GH40110 )

  • 不赞成……的行为 Series.to_frame() 和 Index.to_frame() 若要忽略 name 在以下情况下的参数 name=None 。目前，这意味着保留现有名称，但在将来显式传递 name=None 将设置 None 作为结果DataFrame中的列名 (GH44212 )

性能改进#

错误修复#

直截了当的#

  • Bug in setting dtype-incompatible values into a Categorical (or Series or DataFrame backed by Categorical) raising ValueError instead of TypeError (GH41919)

  • Bug in Categorical.searchsorted() when passing a dtype-incompatible value raising KeyError instead of TypeError (GH41919)

  • Bug in Categorical.astype() casting datetimes and Timestamp to int for dtype object (GH44930)

  • Bug in Series.where() with CategoricalDtype when passing a dtype-incompatible value raising ValueError instead of TypeError (GH41919)

  • Bug in Categorical.fillna() when passing a dtype-incompatible value raising ValueError instead of TypeError (GH41919)

  • 窃听 Categorical.fillna() 使用类似元组的类别引发 ValueError 而不是 TypeError 使用非类别元组填充时 (GH41919 )

类似日期的#

  • 窃听 DataFrame 构造函数不必要地复制非日期时间类2D对象数组 (GH39272 )

  • Bug in to_datetime() with format and pandas.NA was raising ValueError (GH42957)

  • to_datetime() 会默默地交换 MM/DD/YYYY 和 DD/MM/YYYY 如果给定的 dayfirst 选项不能被尊重-现在，在分隔日期字符串的情况下发出警告(例如 31-12-2012 ) (GH12585 )

  • 窃听 date_range() 和 bdate_range() 在以下情况下不返回右边界 start = end 并且布景的一侧是封闭的 (GH43394 )

  • Bug in inplace addition and subtraction of DatetimeIndex or TimedeltaIndex with DatetimeArray or TimedeltaArray (GH43904)

  • Bug in calling np.isnan, np.isfinite, or np.isinf on a timezone-aware DatetimeIndex incorrectly raising TypeError (GH43917)

  • 在构造一个 Series 从具有混合时区的类似DateTime的字符串错误地部分推断DateTime值 (GH40111 )

  • Bug in addition of a Tick object and a np.timedelta64 object incorrectly raising instead of returning Timedelta (GH44474)

  • np.maximum.reduce 和 np.minimum.reduce 现在正确返回 Timestamp 和 Timedelta 操作时的对象 Series ， DataFrame ，或 Index 使用 datetime64[ns] 或 timedelta64[ns] 数据类型 (GH43923 )

  • 添加一个错误 np.timedelta64 对象添加到 BusinessDay 或 CustomBusinessDay 对象不正确地引发 (GH44532 )

  • 窃听 Index.insert() 用于插入 np.datetime64 ， np.timedelta64 或 tuple 变成 Index 使用 dtype='object' 使用负锁定添加 None 和替换现有价值 (GH44509 )

  • 窃听 Timestamp.to_pydatetime() 未能保留 fold 属性 (GH45087 )

  • 窃听 Series.mode() 使用 DatetimeTZDtype 错误地返回时区-naive和 PeriodDtype 错误地提高 (GH41927 )

  • 修复了中的回归问题 reindex() 将不兼容的填充值与类似DATETIME的数据类型一起使用时引发错误(或未因使用 datetime.date 作为填充值) (GH42921 )

  • 窃听 DateOffset 添加到 Timestamp 哪里 offset.nanoseconds 不会包括在结果中 (GH43968 ， GH36589 )

  • 窃听 Timestamp.fromtimestamp() 不支持 tz 论据 (GH45083 )

  • 窃听 DataFrame 从《词典》开始解释 Series 不匹配的索引数据类型有时会根据传递的dict的顺序引发 (GH44091 )

  • 窃听 Timestamp 某些DST转换期间的散列导致分段错误 (GH33931 和 GH40817 )

Timedelta#

  • 所有分区中的错误-NaT TimeDeltaIndex ， Series 或 DataFrame 具有类似于对象的数字数组的列无法将结果推断为timedelta64-dtype (GH39750 )

  • 的楼层划分中存在错误 timedelta64[ns] 具有返回垃圾值的标量的数据 (GH44466 )

  • 窃听 Timedelta 现在适当地考虑到任何kwarg的任何纳秒贡献 (GH43764 ， GH45227 )

时区#

数字#

  • BUG-将整数列表或元组除以 Series 错误地提高 (GH44674 )

  • Bug in DataFrame.rank() raising ValueError with object columns and method="first" (GH41931)

  • 窃听 DataFrame.rank() 将缺失值和极值视为相等(例如 np.nan 和 np.inf )，在以下情况下导致错误结果 na_option="bottom" 或 na_option="top 使用 (GH41931 )

  • Bug in numexpr engine still being used when the option compute.use_numexpr is set to False (GH32556)

  • 窃听 DataFrame 使用其子类进行算术运算 _constructor() 属性是子类本身以外的可调用属性 (GH43201 )

  • Bug in arithmetic operations involving RangeIndex where the result would have the incorrect name (GH43962)

  • 算术运算中的错误，涉及 Series 其中结果可能会有不正确的 name 当操作数具有匹配的NA或匹配的元组名称时 (GH44459 )

  • 部门中的BUG与 IntegerDtype 或 BooleanDtype 数组和NA标量的提升不正确 (GH44685 )

  • 在乘以 Series 使用 FloatingDtype 使用类似时间增量的标量错误地提升 (GH44772 )

转换#

字符串#

  • 检查时出现错误 string[pyarrow] 数据类型错误地引发 ImportError 未安装Py Arrow时 (GH44276 )

间隔#

  • 窃听 Series.where() 使用 IntervalDtype 时错误地引发 where 调用不应替换任何内容 (GH44181 )

标引#

  • 窃听 Series.rename() 使用 MultiIndex 和 level 提供了 (GH43659 )

  • 窃听 DataFrame.truncate() 和 Series.truncate() 当对象的 Index 具有大于一个但只有一个唯一值的长度 (GH42365 )

  • 窃听 Series.loc() 和 DataFrame.loc() 使用一个 MultiIndex 使用其中一个级别也是元组的元组进行索引时 (GH27591 )

  • 窃听 Series.loc() 使用一个 MultiIndex 其第一级仅包含 np.nan 值 (GH42055 )

  • 在上编制索引时出错 Series 或 DataFrame 使用一个 DatetimeIndex 传递字符串时，返回类型取决于索引是否单调 (GH24892 )

  • 在上编制索引时出错 MultiIndex 当索引器是包含类似日期时间的字符串的元组时，无法删除标量级别 (GH42476 )

  • Bug in DataFrame.sort_values() and Series.sort_values() when passing an ascending value, failed to raise or incorrectly raising ValueError (GH41634)

  • Bug in updating values of pandas.Series using boolean index, created by using pandas.DataFrame.pop() (GH42530)

  • Bug in Index.get_indexer_non_unique() when index contains multiple np.nan (GH35392)

  • Bug in DataFrame.query() did not handle the degree sign in a backticked column name, such as `Temp(°C)`, used in an expression to query a DataFrame (GH42826)

  • Bug in DataFrame.drop() where the error message did not show missing labels with commas when raising KeyError (GH42881)

  • 窃听 DataFrame.query() 时，查询字符串中的方法调用会导致错误 numexpr 已安装程序包 (GH22435 )

  • Bug in DataFrame.nlargest() and Series.nlargest() where sorted result did not count indexes containing np.nan (GH28984)

  • 在非唯一对象数据类型上建立索引时出错 Index 与安娜标量(例如 np.nan ) (GH43711 )

  • 窃听 DataFrame.__setitem__() 当新数据类型和旧数据类型匹配时，错误地写入现有列的数组，而不是设置新数组 (GH43406 )

  • 将浮点数据类型值设置为 Series 当这些值可以无损地转换为整数时，整数数据类型无法就地设置 (GH44316 )

  • 窃听 Series.__setitem__() 在设置具有匹配大小和dtype=‘DateTime64的数组时使用对象dtype [ns] ‘or dtype=’时间增量64 [ns] ‘将日期时间/时间增量错误地转换为整数 (GH43868 )

  • 窃听 DataFrame.sort_index() 哪里 ignore_index=True 在索引已排序时不受尊重 (GH43591 )

  • Bug in Index.get_indexer_non_unique() when index contains multiple np.datetime64("NaT") and np.timedelta64("NaT") (GH43869)

  • 设置标量时出现错误 Interval 值转换为 Series 使用 IntervalDtype 当标量的边是浮点数，而值的边是整数时 (GH44201 )

  • 设置字符串备份时出现错误 Categorical 值，这些值可以分析为DateTime DatetimeArray 或 Series 或 DataFrame 列的后盾 DatetimeArray 无法解析这些字符串 (GH44236 )

  • Bug in Series.__setitem__() with an integer dtype other than int64 setting with a range object unnecessarily upcasting to int64 (GH44261)

  • 窃听 Series.__setitem__() 如果布尔掩码索引器错误地设置了长度为1的类似列表的值来广播该值 (GH44265 )

  • Bug in Series.reset_index() not ignoring name argument when drop and inplace are set to True (GH44575)

  • 窃听 DataFrame.loc.__setitem__() 和 DataFrame.iloc.__setitem__() 混合数据类型有时无法就地操作 (GH44345 )

  • 窃听 DataFrame.loc.__getitem__() 错误地提高 KeyError 当选择具有布尔键的单个列时 (GH44322 )。

  • 设置中存在错误 DataFrame.iloc() 带着一首单曲 ExtensionDtype 列并设置二维值，例如 df.iloc[:] = df.values 错误地提高 (GH44514 )

  • 使用设置值时出现错误 DataFrame.iloc() 带着一首单曲 ExtensionDtype 列和数组的元组作为索引器 (GH44703 )

  • 对列编制索引时出现错误 loc 或 iloc 使用带有负步距的切片 ExtensionDtype 立柱抬高不正确 (GH44551 )

  • Bug in DataFrame.loc.__setitem__() changing dtype when indexer was completely False (GH37550)

  • 窃听 IntervalIndex.get_indexer_non_unique() 为非唯一和非单调索引返回布尔掩码而不是整数数组 (GH44084 )

  • 窃听 IntervalIndex.get_indexer_non_unique() 未处理的目标 dtype 正确使用NAN的“Object” (GH44482 )

  • Fixed regression where a single column np.matrix was no longer coerced to a 1d np.ndarray when added to a DataFrame (GH42376)

  • 窃听 Series.__getitem__() 使用一个 CategoricalIndex 将整数列表视为位置索引器的整数，与使用单个标量整数的行为不一致 (GH15470 ， GH14865 )

  • 窃听 Series.__setitem__() 将浮点数或整数设置为整数-dtype时 Series 在必要时未能向上倾斜以保持精确度 (GH45121 )

  • 窃听 DataFrame.iloc.__setitem__() 忽略轴参数 (GH45032 )

丢失#

MultiIndex#

I/O#

  • 窃听 read_excel() 正在尝试从.xlsx文件中读取图表 (GH41448 )

  • 窃听 json_normalize() 哪里 errors=ignore 可能无法忽略缺少的 meta 什么时候 record_path 的长度大于1 (GH41876 )

  • 窃听 read_csv() 将多标头输入和引用列名的参数作为元组 (GH42446 )

  • Bug in read_fwf(), where difference in lengths of colspecs and names was not raising ValueError (GH40830)

  • 窃听 Series.to_json() 和 DataFrame.to_json() 其中，将纯Python对象序列化为JSON时跳过了某些属性 (GH42768 ， GH33043 )

  • 列标题在构造 DataFrame 从一家炼油厂的 Row 对象 (GH40682 )

  • 在解除酸洗时出现错误 Index 对象数据类型不正确地推断数字数据类型 (GH43188 )

  • Bug in read_csv() where reading multi-header input with unequal lengths incorrectly raised IndexError (GH43102)

  • Bug in read_csv() raising ParserError when reading file in chunks and some chunk blocks have fewer columns than header for engine="c" (GH21211)

  • Bug in read_csv(), changed exception class when expecting a file path name or file-like object from OSError to TypeError (GH43366)

  • Bug in read_csv() and read_fwf() ignoring all skiprows except first when nrows is specified for engine='python' (GH44021, GH10261)

  • 窃听 read_csv() 在以下情况下保留对象格式的原始列 keep_date_col=True 已设置 (GH13378 )

  • 窃听 read_json() 未正确处理非数字数据类型(特别是 category ) (GH21892 ， GH33205 )

  • 窃听 json_normalize() 其中，多个字符 sep 参数错误地作为每个键的前缀 (GH43831 )

  • Bug in json_normalize() where reading data with missing multi-level metadata would not respect errors="ignore" (GH44312)

  • Bug in read_csv() used second row to guess implicit index if header was set to None for engine="python" (GH22144)

  • Bug in read_csv() not recognizing bad lines when names were given for engine="c" (GH22144)

  • 窃听 read_csv() 使用 float_precision="round_trip" 它没有跳过首字母/尾随空格 (GH43713 )

  • 在没有使用lzma模块的情况下构建Python时出现错误：即使没有使用lzma功能，在导入Pandas时也会发出警告 (GH43495 )

  • Bug in read_csv() not applying dtype for index_col (GH9435)

  • Bug in dumping/loading a DataFrame with yaml.dump(frame) (GH42748)

  • Bug in read_csv() raising ValueError when names was longer than header but equal to data rows for engine="python" (GH38453)

  • 窃听 ExcelWriter ，在哪里 engine_kwargs 并没有传递到所有的引擎 (GH43442 )

  • 窃听 read_csv() 加薪 ValueError 什么时候 parse_dates 曾与 MultiIndex 列 (GH8991 )

  • Bug in read_csv() not raising an ValueError when \n was specified as delimiter or sep which conflicts with lineterminator (GH43528)

  • 窃听 to_csv() 将DateTime转换为绝对的 Series 到整数 (GH40754 )

  • 窃听 read_csv() 在日期分析后将列转换为数字失败 (GH11019 )

  • 窃听 read_csv() 不替换 NaN 值具有 np.nan 在尝试日期转换之前 (GH26203 )

  • 窃听 read_csv() 加薪 AttributeError 尝试读取.csv文件并从可为空的整数类型推断索引列数据类型时 (GH44079 )

  • 窃听 to_csv() 始终将不同格式的日期时间列强制为相同格式 (GH21734 )

  • DataFrame.to_csv() 和 Series.to_csv() 使用 compression 设置为 'zip' 不再创建包含以“.zip”结尾的文件的压缩文件。相反，他们试图更智能地推断内部文件名 (GH39465 )

  • 窃听 read_csv() 其中，将布尔值和缺失值的混合列读取到FLOAT类型会导致缺失值变为1.0而不是NaN (GH42808 ， GH34120 )

  • 窃听 to_xml() 引发以下错误： pd.NA 带扩展数组数据类型 (GH43903 )

  • 窃听 read_csv() 当同时将解析器传递到 date_parser 和 parse_dates=False ，解析仍被称为 (GH44366 )

  • 窃听 read_csv() 未设置的名称 MultiIndex 列在以下情况下正确 index_col 不是第一列 (GH38549 )

  • 窃听 read_csv() 创建内存映射文件失败时，静默忽略错误 (GH44766 )

  • 窃听 read_csv() 当传递一个 tempfile.SpooledTemporaryFile 以二进制模式打开 (GH44748 )

  • 窃听 read_json() 加薪 ValueError 尝试分析包含“：//”的JSON字符串时 (GH36271 )

  • 窃听 read_csv() 什么时候 engine="c" 和 encoding_errors=None 这导致了段错误 (GH45180 )

  • 窃听 read_csv() 的值无效 usecols 导致未关闭的文件句柄 (GH45384 )

  • 窃听 DataFrame.to_json() 修复内存泄漏 (GH43877 )

期间#

标绘#

分组/重采样/滚动#

  • 窃听 SeriesGroupBy.apply() 传递无法识别的字符串参数时，未能引发 TypeError 当潜在的 Series 是空的 (GH42021 )

  • 窃听 Series.rolling.apply() ， DataFrame.rolling.apply() ， Series.expanding.apply() 和 DataFrame.expanding.apply() 使用 engine="numba" 哪里 *args 正在使用用户传递的函数进行缓存 (GH42287 )

  • 窃听 GroupBy.max() 和 GroupBy.min() 可为空的整型数据类型失去精度 (GH41743 )

  • 窃听 DataFrame.groupby.rolling.var() 将只计算第一组的滚动差异 (GH42442 )

  • Bug in GroupBy.shift() that would return the grouping columns if fill_value was not None (GH41556)

  • 窃听 SeriesGroupBy.nlargest() 和 SeriesGroupBy.nsmallest() 将在输入时具有不一致的索引 Series 已排序，并且 n 大于或等于所有组大小 (GH15272 ， GH16345 ， GH29129 )

  • 窃听 pandas.DataFrame.ewm() ，其中非Float64 dtype正在静默地失败 (GH42452 )

  • Bug in pandas.DataFrame.rolling() operation along rows (axis=1) incorrectly omits columns containing float16 and float32 (GH41779)

  • 窃听 Resampler.aggregate() 不允许使用命名聚合 (GH32803 )

  • Bug in Series.rolling() when the Series dtype was Int64 (GH43016)

  • Bug in DataFrame.rolling.corr() when the DataFrame columns was a MultiIndex (GH21157)

  • 窃听 DataFrame.groupby.rolling() 当指定 on 和呼唤 __getitem__ 将随后返回不正确的结果 (GH43355 )

  • Bug in GroupBy.apply() with time-based Grouper objects incorrectly raising ValueError in corner cases where the grouping vector contains a NaT (GH43500, GH43515)

  • 窃听 GroupBy.mean() 失败的原因是 complex 数据类型 (GH43701 )

  • 窃听 Series.rolling() 和 DataFrame.rolling() 未正确计算第一行的窗口边界 center=True 而且指数在下降 (GH43927 )

  • 窃听 Series.rolling() 和 DataFrame.rolling() 对于居中的类似日期时间的窗口，具有不均匀的纳秒 (GH43997 )

  • 窃听 GroupBy.mean() 加薪 KeyError 当至少选择了两次列时 (GH44924 )

  • Bug in GroupBy.nth() failing on axis=1 (GH43926)

  • 窃听 Series.rolling() 和 DataFrame.rolling() 如果索引包含重复项，则不尊重居中的类似日期时间的窗口的右边界 (GH3944 )

  • Bug in Series.rolling() and DataFrame.rolling() when using a pandas.api.indexers.BaseIndexer subclass that returned unequal start and end arrays would segfault instead of raising a ValueError (GH44470)

  • 窃听 Groupby.nunique() 不尊重 observed=True 为 categorical 对列进行分组 (GH45128 )

  • Bug in GroupBy.head() and GroupBy.tail() not dropping groups with NaN when dropna=True (GH45089)

  • 窃听 GroupBy.__iter__() 中选择列的子集后 GroupBy 对象，该对象返回所有列，而不是所选子集 (GH44821 )

  • Bug in Groupby.rolling() when non-monotonic data passed, fails to correctly raise ValueError (GH43909)

  • Bug where grouping by a Series that has a categorical data type and length unequal to the axis of grouping raised ValueError (GH44179)

重塑#

稀疏#

  • 窃听 DataFrame.sparse.to_coo() 加薪 AttributeError 当列名不唯一时 (GH29564 )

  • 窃听 SparseArray.max() 和 SparseArray.min() 加薪 ValueError 对于具有0个非空元素的数组 (GH43527 )

  • 窃听 DataFrame.sparse.to_coo() 将非零填充值静默转换为零 (GH24817 )

  • 窃听 SparseArray 具有不匹配升长的数组操作数的比较方法 AssertionError 或不清楚 ValueError 取决于输入 (GH43863 )

  • 窃听 SparseArray 算术方法 floordiv 和 mod 被零除时的行为与非稀疏不匹配 Series 行为 (GH38172 )

  • 窃听 SparseArray 一元方法以及 SparseArray.isna() 不重新计算索引 (GH44955 )

ExtensionArray#

  • Bug in array() failing to preserve PandasArray (GH43887)

  • NumPy ufuncs np.abs, np.positive, np.negative now correctly preserve dtype when called on ExtensionArrays that implement __abs__, __pos__, __neg__, respectively. In particular this is fixed for TimedeltaArray (GH43899, GH23316)

  • NumPy ufuncs np.minimum.reduce np.maximum.reduce, np.add.reduce, and np.prod.reduce now work correctly instead of raising NotImplementedError on Series with IntegerDtype or FloatDtype (GH43923, GH44793)

  • NumPy ufuncs with out keyword are now supported by arrays with IntegerDtype and FloatingDtype (GH45122)

  • 避免提高 PerformanceWarning 关于零散的 DataFrame 将多个列与扩展数据类型一起使用时 (GH44098 )

  • 窃听 IntegerArray 和 FloatingArray 构造不正确地强制不匹配的NA值(例如 np.timedelta64("NaT") )到数字NA (GH44514 )

  • 窃听 BooleanArray.__eq__() 和 BooleanArray.__ne__() 加薪 TypeError 与不兼容的类型(如字符串)进行比较。这导致了 DataFrame.replace() 有时会引发 TypeError 如果包含可为空的布尔列 (GH44499 )

  • 窃听 array() 传递给 ndarray 使用 float16 数据类型 (GH44715 )

  • Bug in calling np.sqrt on BooleanArray returning a malformed FloatingArray (GH44715)

  • 窃听 Series.where() 使用 ExtensionDtype 什么时候 other NA标量是否与 Series 数据类型(例如 NaT 使用数字数据类型)错误地转换为兼容的NA值 (GH44697 )

  • 窃听 Series.replace() 其中显式传递 value=None 被视为没有 value 已通过，并且 None 不在结果中 (GH36984 ， GH19998 )

  • 窃听 Series.replace() 在无操作替换中完成不需要的向下转换 (GH44498 )

  • 窃听 Series.replace() 使用 FloatDtype ， string[python] ，或 string[pyarrow] 在可能的情况下不保留数据类型 (GH33484 ， GH40732 ， GH31644 ， GH41215 ， GH25438 )

造型师#

其他#

  • 窃听 DataFrame.astype() 具有非唯一列和 Series dtype 论据 (GH44417 )

  • Bug in CustomBusinessMonthBegin.__add__() (CustomBusinessMonthEnd.__add__()) not applying the extra offset parameter when beginning (end) of the target month is already a business day (GH41356)

  • Bug in RangeIndex.union() with another RangeIndex with matching (even) step and starts differing by strictly less than step / 2 (GH44019)

  • 窃听 RangeIndex.difference() 使用 sort=None 和 step<0 无法排序 (GH44085 )

  • 窃听 Series.replace() 和 DataFrame.replace() 使用 value=None 和ExtensionDtype (GH44270 ， GH37899 )

  • 窃听 FloatingArray.equals() 如果两个数组包含两个数组，则认为它们相等 np.nan 值 (GH44382 )

  • 窃听 DataFrame.shift() 使用 axis=1 和 ExtensionDtype 不兼容时错误地引发列 fill_value 已通过 (GH44564 )

  • Bug in DataFrame.shift() with axis=1 and periods larger than len(frame.columns) producing an invalid DataFrame (GH44978)

  • 窃听 DataFrame.diff() 当传递NumPy整数对象而不是 int 对象 (GH44572 )

  • 窃听 Series.replace() 加薪 ValueError 在使用时 regex=True 使用一个 Series 包含 np.nan 值 (GH43344 )

  • Bug in DataFrame.to_records() where an incorrect n was used when missing names were replaced by level_n (GH44818)

  • 窃听 DataFrame.eval() 哪里 resolvers 参数正在覆盖默认的解析程序 (GH34966 )

  • Series.__repr__() and DataFrame.__repr__() no longer replace all null-values in indexes with "NaN" but use their real string-representations. "NaN" is used only for float("nan") (GH45263)

贡献者#

共有275人为此次发布贡献了补丁。名字中带有“+”的人第一次贡献了一个补丁。

  • Abhishek R

  • Albert Villanova del Moral

  • Alessandro Bisiani +

  • Alex Lim

  • Alex-Gregory-1 +

  • Alexander Gorodetsky

  • Alexander Regueiro +

  • Alexey Györi

  • Alexis Mignon

  • Aleš Erjavec

  • Ali McMaster

  • Alibi +

  • Andrei Batomunkuev +

  • Andrew Eckart +

  • Andrew Hawyrluk

  • Andrew Wood

  • Anton Lodder +

  • Armin Berres +

  • Arushi Sharma +

  • Benedikt Heidrich +

  • Beni Bienz +

  • Benoît Vinot

  • Bert Palm +

  • Boris Rumyantsev +

  • Brian Hulette

  • Brock

  • Bruno Costa +

  • Bryan Racic +

  • Caleb Epstein

  • Calvin Ho

  • ChristofKaufmann +

  • Christopher Yeh +

  • Chuliang Xiao +

  • ClaudiaSilver +

  • DSM

  • Daniel Coll +

  • Daniel Schmidt +

  • Dare Adewumi

  • David +

  • David Sanders +

  • David Wales +

  • Derzan Chiang +

  • DeviousLab +

  • Dhruv B Shetty +

  • Digres45 +

  • Dominik Kutra +

  • Drew Levitt +

  • DriesS

  • EdAbati

  • Elle

  • Elliot Rampono

  • Endre Mark Borza

  • Erfan Nariman

  • Evgeny Naumov +

  • Ewout ter Hoeven +

  • Fangchen Li

  • Felix Divo

  • Felix Dulys +

  • Francesco Andreuzzi +

  • Francois Dion +

  • Frans Larsson +

  • Fred Reiss

  • GYvan

  • Gabriel Di Pardi Arruda +

  • Gesa Stupperich

  • Giacomo Caria +

  • Greg Siano +

  • Griffin Ansel

  • Hiroaki Ogasawara +

  • Horace +

  • Horace Lai +

  • Irv Lustig

  • Isaac Virshup

  • JHM Darbyshire (MBP)

  • JHM Darbyshire (iMac)

  • JHM Darbyshire +

  • Jack Liu

  • Jacob Skwirsk +

  • Jaime Di Cristina +

  • James Holcombe +

  • Janosh Riebesell +

  • Jarrod Millman

  • Jason Bian +

  • Jeff Reback

  • Jernej Makovsek +

  • Jim Bradley +

  • Joel Gibson +

  • Joeperdefloep +

  • Johannes Mueller +

  • John S Bogaardt +

  • John Zangwill +

  • Jon Haitz Legarreta Gorroño +

  • Jon Wiggins +

  • Jonas Haag +

  • Joris Van den Bossche

  • Josh Friedlander

  • José Duarte +

  • Julian Fleischer +

  • Julien de la Bruère-T

  • Justin McOmie

  • Kadatatlu Kishore +

  • Kaiqi Dong

  • Kashif Khan +

  • Kavya9986 +

  • Kendall +

  • Kevin Sheppard

  • Kiley Hewitt

  • Koen Roelofs +

  • Krishna Chivukula

  • KrishnaSai2020

  • Leonardo Freua +

  • Leonardus Chen

  • Liang-Chi Hsieh +

  • Loic Diridollou +

  • Lorenzo Maffioli +

  • Luke Manley +

  • LunarLanding +

  • Marc Garcia

  • Marcel Bittar +

  • Marcel Gerber +

  • Marco Edward Gorelli

  • Marco Gorelli

  • MarcoGorelli

  • Marvin +

  • Mateusz Piotrowski +

  • Mathias Hauser +

  • Matt Richards +

  • Matthew Davis +

  • Matthew Roeschke

  • Matthew Zeitlin

  • Matthias Bussonnier

  • Matti Picus

  • Mauro Silberberg +

  • Maxim Ivanov

  • Maximilian Carr +

  • MeeseeksMachine

  • Michael Sarrazin +

  • Michael Wang +

  • Michał Górny +

  • Mike Phung +

  • Mike Taves +

  • Mohamad Hussein Rkein +

  • NJOKU OKECHUKWU VALENTINE +

  • Neal McBurnett +

  • Nick Anderson +

  • Nikita Sobolev +

  • Olivier Cavadenti +

  • PApostol +

  • Pandas Development Team

  • Patrick Hoefler

  • Peter

  • Peter Tillmann +

  • Prabha Arivalagan +

  • Pradyumna Rahul

  • Prerana Chakraborty

  • Prithvijit +

  • Rahul Gaikwad +

  • Ray Bell

  • Ricardo Martins +

  • Richard Shadrach

  • Robbert-jan 't Hoen +

  • Robert Voyer +

  • Robin Raymond +

  • Rohan Sharma +

  • Rohan Sirohia +

  • Roman Yurchak

  • Ruan Pretorius +

  • Sam James +

  • Scott Talbert

  • Shashwat Sharma +

  • Sheogorath27 +

  • Shiv Gupta

  • Shoham Debnath

  • Simon Hawkins

  • Soumya +

  • Stan West +

  • Stefanie Molin +

  • Stefano Alberto Russo +

  • Stephan Heßelmann

  • Stephen

  • Suyash Gupta +

  • Sven

  • Swanand01 +

  • Sylvain Marié +

  • TLouf

  • Tania Allard +

  • Terji Petersen

  • TheDerivator +

  • Thomas Dickson

  • Thomas Kastl +

  • Thomas Kluyver

  • Thomas Li

  • Thomas Smith

  • Tim Swast

  • Tim Tran +

  • Tobias McNulty +

  • Tobias Pitters

  • Tomoki Nakagawa +

  • Tony Hirst +

  • Torsten Wörtwein

  • V.I. Wood +

  • Vaibhav K +

  • Valentin Oliver Loftsson +

  • Varun Shrivastava +

  • Vivek Thazhathattil +

  • Vyom Pathak

  • Wenjun Si

  • William Andrea +

  • William Bradley +

  • Wojciech Sadowski +

  • Yao-Ching Huang +

  • Yash Gupta +

  • Yiannis Hadjicharalambous +

  • Yoshiki Vázquez Baeza

  • Yuanhao Geng

  • Yury Mikhaylov

  • Yvan Gatete +

  • Yves Delley +

  • Zach Rait

  • Zbyszek Królikowski +

  • Zero +

  • Zheyuan

  • Zhiyi Wu +

  • aiudirog

  • ali sayyah +

  • aneesh98 +

  • aptalca

  • arw2019 +

  • attack68

  • brendandrury +

  • bubblingoak +

  • calvinsomething +

  • claws +

  • deponovo +

  • dicristina

  • el-g-1 +

  • evensure +

  • fotino21 +

  • fshi01 +

  • gfkang +

  • github-actions[bot]

  • i-aki-y

  • jbrockmendel

  • jreback

  • juliandwain +

  • jxb4892 +

  • kendall smith +

  • lmcindewar +

  • lrepiton

  • maximilianaccardo +

  • michal-gh

  • neelmraman

  • partev

  • phofl +

  • pratyushsharan +

  • quantumalaviya +

  • rafael +

  • realead

  • rocabrera +

  • rosagold

  • saehuihwang +

  • salomondush +

  • shubham11941140 +

  • srinivasan +

  • stphnlyd

  • suoniq

  • trevorkask +

  • tushushu

  • tyuyoshi +

  • usersblock +

  • vernetya +

  • vrserpa +

  • willie3838 +

  • zeitlinv +

  • zhangxiaoxing +

上一页

1.4.1中的新特性(2022年2月12日)

下一页

1.3.5中的新特性(2021年12月12日)