归档各类文件
blame | history | raw
hyb
2026-01-09 4cb426cb3ae31e772a09d4ade5b2f0242aaeefa0 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106

Ë  


nñúhë3ãó


—UdZddlmZddlmZmZmZmZmZddl    Z


ddl    mZddlm Z mZddlmZddlmZmZmZerdd    lmZmZed


ed«ZGd„d«Zd diZeeddd¬«Zeeddd¬«Zd]d„Zd^d„Zd^d„ZiZ de!d<de d<de d<de d<de d<de d<ee ddd¬«Z"iZ#d e!d!<de#d<de#d<de#d<ee#ddd¬«Z$d_d"„Z%d diZ&d#e!d$<ee&d%dd&¬«Z'ed`d'„«Z(edad(„«Z(                dbd)„Z(iZ)d#e!d*<de)d+<de)d <ee)dd¬,«Z*ee)d-dd¬«Z+dcd.„Z,iZ-d/e!d0<de-d+<de-d <d1e-d2<de-d<ee-d3dd¬«Z.ee-d4dd¬«Z/dd1d5œZ0ee0d6¬7«Z1dddd1d8œZ2ee2d9dd¬«Z3ee2d:dd¬«Z4dd;iZ5d<e!d=<ee5d>dd¬«Z6ddiZ7d#e!d?<ee7d@dd¬«Z8d diZ9d#e!dA<ee9dBdd¬«Z:iZ;de!dC<de;d<de;d<de;d<ee;dDd6¬E«Z<iZ=dFe!dG<de=d+<de=d <e=j}«Z?de?d<d1e?d2<de?dH<e?j}«Z@e?j}«ZAe=j}«ZBd1eBdI<d1eBd2<d1e=d2<ee=d6¬7«ZCee?dJdd¬«ZDee@dKdd¬«ZEeeAdLdd¬«ZFeeBdMdd¬«ZGiZHd/e!dN<deHd+<deHd <d1eHd2<eeHd6¬7«ZIiZJdOe!dP<deJd <dQeJdR<eeJdSd6¬E«ZKdddT„ZLdUdiZMeeMdVdd¬«ZNdedfdW„ZOdXZPdgdY„ZQdhdidZ„ZReGeFe3e4eDeEd[œZSdjd\„ZTy)ka´


For compatibility with numpy libraries, pandas functions or methods have to


accept '*args' and '**kwargs' parameters to accommodate numpy arguments that


are not actually used or respected in the pandas implementation.


 


To ensure that users do not abuse these parameters, validation is performed in


'validators.py' to make sure that any extra parameters passed correspond ONLY


to those in the numpy signature. Part of that validation includes whether or


not the user attempted to pass in non-default values for these extraneous


parameters. As we want to discourage users from relying on these parameters


when calling the pandas implementation, we want them only to pass in the


default values for these parameters.


 


This module provides a set of commonly used default arguments for functions and


methods that are spread throughout the codebase. This module will make it


easier to adjust to future upstream changes in the analogous numpy signatures.


é)Úannotations)Ú TYPE_CHECKINGÚAnyÚTypeVarÚcastÚoverloadN)Úndarray)Úis_boolÚ


is_integer)ÚUnsupportedFunctionCall)Ú validate_argsÚvalidate_args_and_kwargsÚvalidate_kwargs)ÚAxisÚAxisIntÚ    AxisNoneTcó8—eZdZ            d            dd„Z            d            dd„Zy)ÚCompatValidatorNcó<—||_||_||_||_y©N)ÚfnameÚmethodÚdefaultsÚmax_fname_arg_count)Úselfrrrrs     úOH:\Change_password\venv_build\Lib\site-packages\pandas/compat/numpy/function.pyÚ__init__zCompatValidator.__init__4s!€ðˆŒ


؈ŒØ ˆŒ Ø#6ˆÕ ócó>—|s|sy|€|jn|}|€|jn|}|€|jn|}|dk(rt||||j«y|dk(rt|||j«y|dk(rt |||||j«ytd|›d«‚)NÚargsÚkwargsÚbothzinvalid validation method 'ú')rrrr rrrÚ


ValueError)rr r!rrrs      rÚ__call__zCompatValidator.__call__@s±€ñ™FØà#˜m—


’


°ˆð#Ð*ð ×$Ò$à$ð    ð


!' —’°FˆàVÒÜ˜% Ð':¸D¿M¹MÕJØ xÒ Ü˜E 6¨4¯=©=Õ9Ø vÒ Ü$ؐt˜VÐ%8¸$¿-¹-õ ôÐ:¸6¸(À!ÐDÓEÐEr)NNN)rz


str | NoneÚreturnÚNone)Ú__name__Ú


__module__Ú__qualname__rr%©rrrr3sM„ðØ!Ø ð


7ðð    


7ð


ó 


7ð Ø Ø!ð Fðð Fð


ôFrrÚoutÚargminr"é)rrrÚargmaxcó>—t|t«s|€|f|z}d}||fS)NT)Ú


isinstancer    )Úskipnar s  rÚprocess_skipnar3hs+€Ü&œ'Ô" f n؈y˜4ш؈à4ˆ<Ðrcó<—t||«\}}t||«|S)a


    If 'Series.argmin' is called via the 'numpy' library, the third parameter


    in its signature is 'out', which takes either an ndarray or 'None', so


    check if the 'skipna' parameter is either an instance of ndarray or is


    None, since 'skipna' itself should be a boolean


    )r3Úvalidate_argmin©r2r r!s   rÚvalidate_argmin_with_skipnar7pó#€ô" &¨$Ó/L€FˆDܐD˜&Ô!Ø€Mrcó<—t||«\}}t||«|S)a


    If 'Series.argmax' is called via the 'numpy' library, the third parameter


    in its signature is 'out', which takes either an ndarray or 'None', so


    check if the 'skipna' parameter is either an instance of ndarray or is


    None, since 'skipna' itself should be a boolean


    )r3Úvalidate_argmaxr6s   rÚvalidate_argmax_with_skipnar;|r8rzdict[str, int | str | None]ÚARGSORT_DEFAULTSéÿÿÿÿÚaxisÚ    quicksortÚkindÚorderÚstableÚargsort)rrrzdict[str, int | None]ÚARGSORT_DEFAULTS_KINDcól—t|«s|€|f|z}d}t||d¬«tt|«}|S)a!


    If 'Categorical.argsort' is called via the 'numpy' library, the first


    parameter in its signature is 'axis', which takes either an integer or


    'None', so check if the 'ascending' parameter has either integer type or is


    None, since 'ascending' itself should be a boolean


    Té)r)rÚvalidate_argsort_kindrÚbool)Ú    ascendingr r!s   rÚvalidate_argsort_with_ascendingrJŸs@€ô)Ô     Ð 1؈|˜dÑ"ˆØˆ    ä˜$ ¸AÕ>Ü”T˜9Ó%€IØÐrzdict[str, Any]Ú CLIP_DEFAULTSÚcliprFcó—yrr+©r>r r!s   rÚvalidate_clip_with_axisrOµó€àrcó—yrr+rNs   rrOrOºrPrcóN—t|t«r|f|z}d}t||«|S)a


    If 'NDFrame.clip' is called via the numpy library, the third parameter in


    its signature is 'out', which can takes an ndarray, so check if the 'axis'


    parameter is an instance of ndarray, since 'axis' itself should either be


    an integer or None


    N)r1r    Ú validate_cliprNs   rrOrO¿s1€ô$œÔ Øˆw˜‰~ˆðˆä$˜Ôð€KrÚCUM_FUNC_DEFAULTSÚdtype)rrÚcumsumcó”—t|«s    |f|z}d}n%t|tj«rt    |«}t|||¬«|S)zÛ


    If this function is called via the 'numpy' library, the third parameter in


    its signature is 'dtype', which takes either a 'numpy' dtype or 'None', so


    check if the 'skipna' parameter is a boolean or not


    T©r)r


r1ÚnpÚbool_rHÚvalidate_cum_func)r2r r!Únames    rÚvalidate_cum_func_with_skipnar]ßsD€ô6Œ?؈y˜4ш؉ܠ   FœBŸH™HÔ    %ܐf“ˆäd˜F¨$Õ/Ø€Mrzdict[str, bool | None]ÚALLANY_DEFAULTSFÚkeepdimsÚallÚany)r,r_r!)r)r>rUr,r_ÚminÚmaxÚCzdict[str, str]ÚRESHAPE_DEFAULTSÚreshapeÚREPEAT_DEFAULTSÚrepeatÚROUND_DEFAULTSÚroundÚ SORT_DEFAULTSÚsort)rrzdict[str, Any | None]ÚSTAT_FUNC_DEFAULTSÚinitialÚoverwrite_inputÚsumÚprodÚmeanÚmedianÚSTAT_DDOF_FUNC_DEFAULTSzdict[str, str | None]Ú TAKE_DEFAULTSÚraiseÚmodeÚtakecóX—t|t«s|€|f|z}d}t||dd¬«|S)zî


    If this function is called via the 'numpy' library, the third parameter in


    its signature is 'axis', which takes either an ndarray or 'None', so check


    if the 'convert' parameter is either an instance of ndarray or is None


    TrFr")rr)r1r    Ú validate_take)Úconvertr r!s   rÚvalidate_take_with_convertr|Hs6€ô'œ7Ô# w Øˆz˜DÑ ˆØˆä$˜°A¸fÕEØ€NrÚaxesÚ    transposecóŒ—|€g}t|«t|«z


}t|«t|«zdkDrtd|›d«‚y)zª


    'args' and 'kwargs' should be empty, except for allowed kwargs because all


    of their necessary parameters are explicitly listed in the function


    signature


    Nrz?numpy operations are not valid with groupby. Use .groupby(...).ú


() instead)ÚsetÚlenr)r\r r!Úalloweds    rÚvalidate_groupby_funcr„\sX€ð€Øˆä ‹[œ3˜w›<Ñ '€Fä


ˆ4ƒy”3v“;Ñ Ò"Ü%ð !Ø!%  jð 2ó


ð    


ð#r)rbrcrprqrrÚstdÚvarcó|—t|«t|«zdkDr"|tvrtd|›d«‚td«‚y)z‹


    'args' and 'kwargs' should be empty because all of their necessary


    parameters are explicitly listed in the function signature


    rzAnumpy operations are not valid with resample. Use .resample(...).r€ztoo many arguments passed inN)r‚ÚRESAMPLER_NUMPY_OPSrÚ    TypeError)rr r!s   rÚvalidate_resampler_funcrŠqsS€ô


ˆ4ƒy”3v“;Ñ Ò"ØÔ(Ñ(Ü)ð&Ø&, X¨Zð9óð ôÐ6Ó7Ð7ð #rcóN—|€y||k\s |dkr||zdkrtd|›d«‚yy)a


    Ensure that the axis argument passed to min, max, argmin, or argmax is zero


    or None, as otherwise it will be incorrectly ignored.


 


    Parameters


    ----------


    axis : int or None


    ndim : int, default 1


 


    Raises


    ------


    ValueError


    Nrz4`axis` must be fewer than the number of dimensions (ú))r$)r>Úndims  rÚvalidate_minmax_axisrŽsA€ð€|Ø؈t‚|˜˜qš T¨D¡[°1¢_ÜÐOÐPTÈvÐUVÐWÓXÐXð&5˜r)rsrrrbrcrprqcóR—|tvrt|||¬«St|}|||«S)NrX)Ú_validation_funcsÚvalidate_stat_func)rr r!Úvalidation_funcs    rÚ validate_funcr“s1€ØÔ%Ñ%Ü! $¨°eÔ<Ð<ä'¨Ñ.€OÙ˜4 Ó(Ð(r)r2úbool | ndarray | Noner&ztuple[bool, Any])r2r”r&rH)rIzbool | int | Noner&rH)r>r    r&r')r>rr&r)r>zndarray | AxisNoneTr&zAxisNoneT | None)r2rHr&rH)r{zndarray | bool | Noner&rHr)r\Ústrr&r')rr•r&r')r.)r>zAxisInt | NonerÚintr&r')r&r')UÚ__doc__Ú


__future__rÚtypingrrrrrÚnumpyrYr    Úpandas._libs.libr


rÚ pandas.errorsrÚpandas.util._validatorsr rrÚpandas._typingrrrrÚARGMINMAX_DEFAULTSr5r:r3r7r;r<Ú__annotations__Úvalidate_argsortrDrGrJrKrSrOrTr[Úvalidate_cumsumr]r^Úvalidate_allÚvalidate_anyÚLOGICAL_FUNC_DEFAULTSÚvalidate_logical_funcÚMINMAX_DEFAULTSÚvalidate_minÚvalidate_maxreÚvalidate_reshapergÚvalidate_repeatriÚvalidate_roundrkÚ validate_sortrmÚcopyÚSUM_DEFAULTSÚ PROD_DEFAULTSÚ MEAN_DEFAULTSÚMEDIAN_DEFAULTSr‘Úvalidate_sumÚ validate_prodÚ validate_meanÚvalidate_medianrtÚvalidate_stat_ddof_funcrurzr|ÚTRANSPOSE_DEFAULTSÚvalidate_transposer„rˆrŠrŽrr“r+rrú<module>rºsðòõ"#÷õóÝ÷õ2÷ññ÷ñ


˜ T¨4Ó0€I÷)Fñ)FðX˜T]ÐÙ!ؘh¨vÈ1ô€ñ"ؘh¨vÈ1ô€ó


ó    ó    ð13ÐÐ-Ó2ØАÑØ&АÑؠАÑØАÑØ!АÑñ#ؘI¸1ÀVôÐð02ÐÐ,Ó1Ø "АfÑØ!%АgÑØ"&АhÑÙ'Ø ÀÈ&ôÐó


 ð "'¨  € ˆ~Ó-Ùؘ¨ÀAô€ ð


 


òó


ðð


òó


ððØ


ðàóð*%'А>Ó&Ø!А'ÑØА%ÑÙ#ؘf¸!ôÐñ"ؘX¨fÈ!ô€ó


 ð +-€Ð'Ó,Ø€ÑØ€ÑØ#€


ÑØ€ÑÙؘ5¨ÀQô€ñؘ5¨ÀQô€ð!%°%Ñ8ÐÙ'Ð(=ÀhÔOÐà¨$°tÈÑO€Ùؘ5¨ÀQô€ñؘ5¨ÀQô€ð%,¨S >А.Ó1Ù"ؘI¨fÈ!ôÐð$*¨4 .€Ó0Ù!ؘ8¨FÈô€ð#(¨ €Ó.٠ؘ'¨&Àaô€ð.0€ Ð*Ó/Ø€ ˆfÑØ#€ ˆfÑØ€ ˆgÑÙ  °VÀHÔM€ à,.ÐÐ)Ó.Ø"А7ÑؠА5Ñà!×&Ñ&Ó(€Ø€ˆVÑØ €ˆZÑØ€ˆYÑà×!Ñ!Ó#€ à×!Ñ!Ó#€ à$×)Ñ)Ó+€Ø%*€Ð!Ñ"Ø#€


Ñà!&А:Ñá$Ð%7ÀÔIÐÙؘ fÀ!ô€ñ Ø˜¨ÀAô€ ñ Ø˜¨ÀAô€ ñ"ؘ8¨FÈô€ð35ÐÐ/Ó4Ø#'ИѠØ!%ИÑØ&+И


Ñ#Ù)Ð*AÈ(ÔSÐà')€ Ð$Ó)Ø€ ˆeÑØ€ ˆfÑÙ  °VÀHÔM€ óð˜d^ÐÙ$ؘk°&ÈaôÐô


 


ð$JÐó8ôYð*ØØØØØñ Ðô)r