官方调研重磅发布，Pandas或将重构？

Pandas 增加新扩展类型的速度较慢。类别型（Categorical）是最常用的，此外，可空整数（Nullable Integer）与带时区的 Datetime 也很常用。

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

我们还提出了一些问题，用以了解用户最想要的功能。

sns.countplot(y='您现在最想看到的改进是什么？',  
              data=df,  
              color='k').set(title="您现在最想看到的改进是什么？",  
                             ylabel="")  
sns.despine() 

common = (df[df.columns[df.columns.str.startswith("迫切想要的功能")]]  
          .rename(columns=lambda x: x.lstrip("迫切想要的功能  [").rstrip(r"]")))  
counts = (  
    common.apply(pd.value_counts)  
    .T.stack().reset_index()  
    .rename(columns={'level_0': '问题', 'level_1': "重要程度", 0: "关注数量"})  
)  
order = ["无关紧要", "还算有用", '至关重要']  
g = (  
    sns.FacetGrid(counts, col="问题", col_wrap=2,  
                  aspect=1.5, sharex=False, height=3)  
    .map(sns.barplot, "重要程度", "关注数量", orderorder=order)  
) 

一眼就能看出来，优化大规模数据集的处理能力是大家最想要的，从此图还能观测出：

1.  Pandas 文档应该加大力度推广处理大规模数据集的支持库，如 Dask, vaex、 modin。
2.  从对原生字符串数据类型与更少的内部复制需求来看，优化内存效率也是要值得一做的事情。

紧接其后的优化需求是整数缺失值，这个功能其实已经在 Pandas 0.24 时已经推出了，但还不是默认方式，与其它 pandas API 的兼容性也有待优化。

与 NumPy 相比，pandas 略显激进。在即将推出 1.0 版里，我们将废弃很多功能，并对很多 API 进行翻天覆地的改变，好在大部分人都能接受这样的改变。

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

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

（编辑：上饶站长网）

【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!