介绍：
Pandas 1.0.0rc 已于1月9日发布。先前的版本是0.25。
Pandas的第一个新的主要发行版包含许多强大的功能，包括更好的数据框自动汇总，更多的输出格式，新的数据类型，甚至是新的文档站点。
完整的发行说明可在新的文档站点上找到。
要使用新版本，您可以使用pip轻松升级Pandas。在撰写本文时，Pandas 1.0仍是候选版本，这意味着安装Pandas 1.0需要明确指定其版本。
<code>pip install --upgrade pandas==1.0.0rc0/<code>
当然，升级可能会破坏您的某些代码，因为这是主要版本，因此请务必小心！
此版本的Pandas也不再支持Python2。使用Pandas 1.0+至少需要Python 3.6+，因此请确保您的pip和python使用的是正确的版本。
<code>$ pip --version
pip 19.3.1 from /usr/local/lib/python3.7/site-packages/pip (python 3.7)
$ python --version
Python 3.7.5/<code>
您可以确认一切正常，并且Pandas使用的是正确的版本。
<code>>>> import pandas as pd
>>> pd.__version__
1.0.0rc0/<code>
使用DataFrame.info更好的自动汇总
我最喜欢的新功能是改进的DataFrame.info方法。现在，它使用了更具可读性的格式，从而使您的数据探索过程更加容易。
<code>>>> df = pd.DataFrame({
...: 'A': [1,2,3],
...: 'B': ["goodbye", "cruel", "world"],
...: 'C': [False, True, False]
...:})
>>> df.info()
<class>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 A 3 non-null int64
1 B 3 non-null object
2 C 3 non-null object
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes/<class>/<code>markdown的输出格式
另一个功能是使用新的DataFrame.to_markdown方法将Dataframe导出到Markdown表的功能。
<code>>>> df.to_markdown()
| | A | B | C |
|---:|----:|:--------|:------|
| 0 | 1 | goodbye | False |
| 1 | 2 | cruel | True |
| 2 | 3 | world | False |/<code>
这样可以通过github gists更轻松地在Medium等位置显示表格。
布尔值和字符串的新数据类型
Pandas1.0还引入了布尔值和字符串的实验数据类型。
由于这些更改是实验性的，因此数据类型的API可能会稍有更改，因此应谨慎使用它们。但是Pandas建议在合理的地方使用这些数据类型，将来的版本将提高诸如regex匹配之类的特定于类型的操作的性能。
默认情况下，Pandas不会自动将您的数据强制转换为这些类型。但是，如果您明确告诉Pandas这样做，您仍然可以使用它们。
<code>>>> B = pd.Series(["goodbye", "cruel", "world"], dtype="string")
>>> C = pd.Series([False, True, False], dtype="bool")
>>> df.B = B, df.C = C
>>> df.info()
<class>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 A 3 non-null int64
1 B 3 non-null string
2 C 3 non-null bool
dtypes: int64(1), object(1), string(1)
memory usage: 200.0+ bytes/<class>/<code>
注意，Dtype列现在如何反映新类型的字符串和布尔值。
新字符串dtype最有用的好处是，您现在可以仅从DataFrame中选择字符串列。这样可以更快地对数据集的文本成分进行分析。
<code>df.select_dtypes("string")/<code> 以前，只能通过显式使用它们的名称来选择字符串类型的列。
有关Pandas 1.0.0的更多文档，请参见官方文档。
閱讀更多 數據大視界 的文章
