(资料图)

Pandas 是一个 Python 数据分析库，它提供了快速、灵活和富有表现力的数据结构，旨在使处理 "关系型" 或 "标签型" 数据的工作变得简单和直观。

此版本包括一些新功能、错误修复和性能改进，建议现有用户在升级到 Pandas 2 之前先升级到 Pandas 1.5.3，并确保他们的代码不会产生 FutureWarning 或 DeprecationWarning 消息。

增强

使用 pip extras 安装可选的依赖项 Index现在可以容纳 numpy 数字 dtypes 参数 dtype_backend，用于返回 pyarrow-backed 或 numpy-backed 可空的 dtypes。 写入时复制的改进

错误修复

DataFrameGroupBy.cumsum()和 DataFrameGroupBy.cumprod()溢出，而不是有损地转换为浮点数。

向后不兼容的 API 更改

使用不支持 resolutions（即 “ns” 以外的任何内容） 的 datetime64 或 timedelta64 dtype 构建 值计数将结果名称设置为 count禁止 astype 转换为不受支持的 datetime64/timedelta64 dtypes UTC 和固定偏移的时区默认为标准库中的 tzinfo 对象 空的 DataFrames/Series 现在将默认有一个 RangeIndexDataFrame to LaTeX 有一个新的渲染引擎 Datetimes 现在以一致的格式解析

弃用

弃用了将带有系统本地时区的日期时间字符串解析为 tzlocal的做法，可通过 tz关键字或明确调用 tz_localize来代替（GH50791）。 弃用了 to_datetime()和 read_csv()中的参数 infer_datetime_format，因为它的严格版本现在是默认的（GH48621）。 弃用了 to_datetime()在解析字符串时使用 unit的行为，在未来的版本中，这些字符串将被解析为日期，而不是浮点数。要保留原来的行为，请在调用 to_datetime()之前将字符串转换为数字类型 弃用 pandas.io.sql.execute()Index.is_boolean()已被弃用，请使用 pandas.api.types.is_bool_dtype()来代替 Index.is_integer()已被弃用，使用 pandas.api.types.is_integer_dtype()来代替 ……

更多详情可查看：https://github.com/pandas-dev/pandas/releases/tag/v2.0.0