官方调研重磅宣布，Pandas或将重构？

Pandas 增进新扩展范例的速率较慢。种别型（Categorical）是最常用的，另外，可空整数（Nullable Integer）与带时区的 Datetime 也很常用。

sns.countplot(y='您常用的扩展数据范例是什么？',  
              data=split_and_explode(df['您常用的扩展数据范例是什么？']),  
              color='k').set(title="您常用的扩展数据范例是什么？",  
                             ylabel="")  
sns.despine(); 

我们还提出了一些题目，用以相识用户最想要的成果。

sns.countplot(y='您此刻最想看到的改造是什么？',  
              data=df,  
              color='k').set(title="您此刻最想看到的改造是什么？",  
                             ylabel="")  
sns.despine() 

common = (df[df.columns[df.columns.str.startswith("急切想要的成果")]]  
          .rename(columns=lambda x: x.lstrip("急切想要的成果  [").rstrip(r"]")))  
counts = (  
    common.apply(pd.value_counts)  
    .T.stack().reset_index()  
    .rename(columns={'level_0': '题目', 'level_1': "重要水平", 0: "存眷数目"})  
)  
order = ["无关紧急", "还算有效", '至关重要']  
g = (  
    sns.FacetGrid(counts, col="题目", col_wrap=2,  
                  aspect=1.5, sharex=False, height=3)  
    .map(sns.barplot, "重要水平", "存眷数目", orderorder=order)  
) 

一眼就能看出来，优化大局限数据集的处理赏罚手段是各人最想要的，以后图还能视察出：

1.  Pandas 文档应该加大力大举度推广处理赏罚大局限数据集的支持库，如 Dask, vaex、 modin。
2.  从对原生字符串数据范例与更少的内部复制需求来看，优化内存服从也是要值得一做的工作。

紧接厥后的优化需求是整数缺失值，这个成果着实已经在 Pandas 0.24 时已经推出了，但还不是默认方法，与其余 pandas API 的兼容性也有待优化。

与 NumPy 对比，pandas 略显激进。在即将推出 1.0 版里，我们将废弃许多成果，并对许多 API 举办雷霆万钧的改变，亏得大部门人都能接管这样的改变。

df['Pandas 能满意您的需求吗'].value_counts(normalize=True).apply(pct_format)  

是    94.89%  
否     5.11%  
Name: Pandas 能满意您的需求吗, dtype: object 

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!