c# pdf to tiff free : Add signature to pdf document software application dll windows azure wpf web forms pandas19-part238

pandas: powerful Python data analysis toolkit, Release 0.18.1
1.13.1 Output Formatting Enhancements
• df.info() view now display dtype info percolumn (GH5682)
• df.info() now honors the option max_info_rows, to disable null counts for large frames (GH5974)
In [7]: max_info_rows = pd.get_option('max_info_rows')
In [8]: df = DataFrame(dict(A = np.random.randn(10),
...:
B = np.random.randn(10),
...:
C = date_range('20130101',periods=10)))
...:
In [9]: df.iloc[3:6,[0,2]] = np.nan
# set to not display the null counts
In [10]: pd.set_option('max_info_rows',0)
In [11]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 3 columns):
A
float64
B
float64
C
datetime64[ns]
dtypes: datetime64[ns](1), float64(2)
memory usage: 312.0 bytes
# this is the default (same as in 0.13.0)
In [12]: pd.set_option('max_info_rows',max_info_rows)
In [13]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 3 columns):
A
7 non-null float64
B
10 non-null float64
C
7 non-null datetime64[ns]
dtypes: datetime64[ns](1), float64(2)
memory usage: 312.0 bytes
• Add show_dimensions display option for the new DataFrame repr to control whetherthe dimensions print.
In [14]: df = DataFrame([[1, 2], [3, 4]])
In [15]: pd.set_option('show_dimensions', False)
In [16]: df
Out[16]:
0
1
0
1
2
1
3
4
In [17]: pd.set_option('show_dimensions', True)
In [18]: df
1.13. v0.13.1 (February 3, 2014)
181
Add signature to pdf document - C# PDF File Permission Library: add, remove, update PDF file permission in C#.net, ASP.NET, MVC, WPF
Tell C# users how to set PDF file permissions, like printing, copying, modifying, extracting, annotating, form filling, etc
adding signature to pdf doc; create pdf signature field
Add signature to pdf document - VB.NET PDF File Permission Library: add, remove, update PDF file permission in vb.net, ASP.NET, MVC, WPF
VB.NET Tutorial for How to Set PDF File Access Permissions Using XDoc.PDF for .NET
pdf will signature; add signature pdf preview
pandas: powerful Python data analysis toolkit, Release 0.18.1
Out[18]:
0
1
0
1
2
1
3
4
[2 rows x 2 columns]
• The ArrayFormatter for datetime and timedelta64 now intelligently limit precision based on the
values in the array (GH3401)
Previously output might look like:
age
today
diff
0 2001-01-01 00:00:00 2013-04-19 00:00:00 4491 days, 00:00:00
1 2004-06-01 00:00:00 2013-04-19 00:00:00 3244 days, 00:00:00
Now the output looks like:
In [19]: df = DataFrame([ Timestamp('20010101'),
....:
Timestamp('20040601') ], columns=['age'])
....:
In [20]: df['today'] = Timestamp('20130419')
In [21]: df['diff'] = df['today']-df['age']
In [22]: df
Out[22]:
age
today
diff
0 2001-01-01 2013-04-19 4491 days
1 2004-06-01 2013-04-19 3244 days
[2 rows x 3 columns]
1.13.2 API changes
• Add -NaN and -nan to the default set of NA values (GH5952). SeeNAValues.
• Added Series.str.get_dummies vectorized string method (GH6021), to extract dummy/indicator vari-
ables for separated string columns:
In [23]: s = Series(['a', 'a|b', np.nan, 'a|c'])
In [24]: s.str.get_dummies(sep='|')
Out[24]:
a
b
c
0
1
0
0
1
1
1
0
2
0
0
0
3
1
0
1
[4 rows x 3 columns]
• Added the NDFrame.equals() method to compare iftwoNDFrames are equal have equal axes, dtypes, and
values. Added the array_equivalent function to compare if two ndarrays are equal. NaNs in identical
locations are treated as equal. (GH5283) See alsothedocs fora motivating example.
182
Chapter 1. What’s New
C# PDF Digital Signature Library: add, remove, update PDF digital
things. Add a signature or an empty signature field in any PDF file page. Search unsigned signature field in PDF document. Prepare
create signature pdf; create pdf stamp signature
VB.NET PDF Digital Signature Library: add, remove, update PDF
things. Add a signature or an empty signature field in any PDF file page. Search unsigned signature field in PDF document. Prepare
pdf signature stamp; create transparent signature stamp for pdf
pandas: powerful Python data analysis toolkit, Release 0.18.1
In [25]: df = DataFrame({'col':['foo', 0, np.nan]})
In [26]: df2 = DataFrame({'col':[np.nan, 0, 'foo']}, index=[2,1,0])
In [27]: df.equals(df2)
Out[27]: False
In [28]: df.equals(df2.sort())
Out[28]: True
In [29]: import pandas.core.common as com
In [30]: com.array_equivalent(np.array([0, np.nan]), np.array([0, np.nan]))
Out[30]: True
In [31]: np.array_equal(np.array([0, np.nan]), np.array([0, np.nan]))
Out[31]: False
• DataFrame.apply will use the reduce argument to determine whether a Series or a DataFrame
should be returned whenthe DataFrame is empty (GH6007).
Previously, calling DataFrame.apply an empty DataFrame would return either a DataFrame if there
were no columns, or the function being applied would be called with an empty Series to guess whether a
Series or DataFrame should be returned:
In [32]: def applied_func(col):
....:
print("Apply function n being called with: ", col)
....:
return col.sum()
....:
In [33]: empty = DataFrame(columns=['a', 'b'])
In [34]: empty.apply(applied_func)
('Apply function being called with: ', Series([], dtype: float64))
Out[34]:
a
NaN
b
NaN
dtype: float64
Now, when apply is called on an empty DataFrame: if the reduce argument is True a Series will
returned, if it is False a DataFrame will be returned, and if it is None (the default) the function being
applied will be called withan empty series to try and guess the return type.
In [35]: empty.apply(applied_func, reduce=True)
Out[35]:
a
NaN
b
NaN
dtype: float64
In [36]: empty.apply(applied_func, reduce=False)
Out[36]:
Empty DataFrame
Columns: [a, b]
Index: []
[0 rows x 2 columns]
1.13. v0.13.1 (February 3, 2014)
183
C# PDF insert image Library: insert images into PDF in C#.net, ASP
How to insert and add image, picture, digital photo, scanned signature or logo into PDF document page in C#.NET class application?
add signature to preview pdf; add signature to pdf
VB.NET PDF Library SDK to view, edit, convert, process PDF file
XDoc.PDF SDK allows users to perform PDF document security settings in VB.NET program. Password, digital signature and PDF text, image and page redaction will
pdf converter sign in; export pdf to word sign in
pandas: powerful Python data analysis toolkit, Release 0.18.1
1.13.3 Prior Version Deprecations/Changes
There are no announced changes in 0.13 or prior that are takingeffect as of0.13.1
1.13.4 Deprecations
There are no deprecations ofpriorbehavior in 0.13.1
1.13.5 Enhancements
• pd.read_csvandpd.to_datetimelearnedanewinfer_datetime_format keywordwhichgreatly
improves parsingperf in manycases. Thanks to @lexualfor suggestingand @danbirken forrapidly implement-
ing. (GH5490,GH6021)
If parse_dates is enabled and this flag is set,pandas will attempt to infer the format of the datetime strings
in the columns, and if it can be inferred, switch to a faster method of parsing them. In some cases this can
increase the parsing speed by ~5-10x.
# Try to infer the format for the index column
df = pd.read_csv('foo.csv', index_col=0, parse_dates=True,
infer_datetime_format=True)
• date_format and datetime_format keywords can now be specified when writing to excel files
(GH4133)
• MultiIndex.from_product convenience functionfor creating a MultiIndex fromthe cartesianproduct of
aset of iterables (GH6055):
In [37]: shades = ['light', 'dark']
In [38]: colors = ['red', 'green', 'blue']
In [39]: MultiIndex.from_product([shades, colors], names=['shade', 'color'])
Out[39]:
MultiIndex(levels=[[u'dark', u'light'], [u'blue', u'green', u'red']],
labels=[[1, 1, 1, 0, 0, 0], [2, 1, 0, 2, 1, 0]],
names=[u'shade', u'color'])
• Panelapply() will work on non-ufuncs. Seethedocs.
In [40]: import pandas.util.testing as tm
In [41]: panel = tm.makePanel(5)
In [42]: panel
Out[42]:
<class 'pandas.core.panel.Panel'>
Dimensions: 3 (items) x 5 (major_axis) x 4 (minor_axis)
Items axis: ItemA to ItemC
Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
Minor_axis axis: A to D
In [43]: panel['ItemA']
Out[43]:
A
B
C
D
2000-01-03
0.694103
1.893534 -1.735349 -0.850346
2000-01-04
0.678630
0.639633
1.210384
1.176812
184
Chapter 1. What’s New
C# HTML5 Viewer: Load, View, Convert, Annotate and Edit PDF
create signatures to PDF, including freehand signature, text and date signature. If you need to add your own signatures such as logo to PDF document, you and
add signature to pdf reader; create a pdf signature file
C# HTML5 Viewer: Load, View, Convert, Annotate and Edit Word
Convert Microsoft Office Word to searchable PDF online, create Viewer for C# .NET Signatures supports add signatures to Word and remove signature from Word
add signature to pdf file; pdf secure signature
pandas: powerful Python data analysis toolkit, Release 0.18.1
2000-01-05
0.239556 -0.962029
0.797435 -0.524336
2000-01-06
0.151227 -2.085266 -0.379811
0.700908
2000-01-07
0.816127
1.930247
0.702562
0.984188
[5 rows x 4 columns]
Specifying an apply that operates on a Series (to return a single element)
In [44]: panel.apply(lambda x: x.dtype, axis='items')
Out[44]:
A
B
C
D
2000-01-03
float64
float64
float64
float64
2000-01-04
float64
float64
float64
float64
2000-01-05
float64
float64
float64
float64
2000-01-06
float64
float64
float64
float64
2000-01-07
float64
float64
float64
float64
[5 rows x 4 columns]
Asimilarreduction type operation
In [45]: panel.apply(lambda x: x.sum(), axis='major_axis')
Out[45]:
ItemA
ItemB
ItemC
A
2.579643
3.062757
0.379252
B
1.416120 -1.960855
0.923558
C
0.595222 -1.079772 -3.118269
D
1.487226 -0.734611 -1.979310
[4 rows x 3 columns]
This is equivalent to
In [46]: panel.sum('major_axis')
Out[46]:
ItemA
ItemB
ItemC
A
2.579643
3.062757
0.379252
B
1.416120 -1.960855
0.923558
C
0.595222 -1.079772 -3.118269
D
1.487226 -0.734611 -1.979310
[4 rows x 3 columns]
Atransformation operation that returns a Panel, but is computing the z-score across the major_axis
In [47]: result = panel.apply(
....:
lambda x: (x-x.mean())/x.std(),
....:
axis='major_axis')
....:
In [48]: result
Out[48]:
<class 'pandas.core.panel.Panel'>
Dimensions: 3 (items) x 5 (major_axis) x 4 (minor_axis)
Items axis: ItemA to ItemC
Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
Minor_axis axis: A to D
In [49]: result['ItemA']
Out[49]:
1.13. v0.13.1 (February 3, 2014)
185
Zero Footprint AJAX Document Image Viewer| ASP.NET Imaging SDK
Image Annotating Draw and add various text or graphics annotations Image Converting Transform, convert and save web document or image file to PDF or TIFF
adding signature to pdf document; pdf signature
C# WinForms Viewer: Load, View, Convert, Annotate and Edit PDF
Add text box to PDF file in preview. • Draw PDF markups. PDF Protection. • Sign PDF document with signature. • Erase PDF text. • Erase PDF images.
add jpeg signature to pdf; add signature image to pdf acrobat
pandas: powerful Python data analysis toolkit, Release 0.18.1
A
B
C
D
2000-01-03
0.595800
0.907552 -1.556260 -1.244875
2000-01-04
0.544058
0.200868
0.915883
0.953747
2000-01-05 -0.924165 -0.701810
0.569325 -0.891290
2000-01-06 -1.219530 -1.334852 -0.418654
0.437589
2000-01-07
1.003837
0.928242
0.489705
0.744830
[5 rows x 4 columns]
• Panelapply() operating on cross-sectional slabs. (GH1148)
In [50]: f = lambda x: ((x.T-x.mean(1))/x.std(1)).T
In [51]: result = panel.apply(f, axis s = ['items','major_axis'])
In [52]: result
Out[52]:
<class 'pandas.core.panel.Panel'>
Dimensions: 4 (items) x 5 (major_axis) x 3 (minor_axis)
Items axis: A to D
Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
Minor_axis axis: ItemA to ItemC
In [53]: result.loc[:,:,'ItemA']
Out[53]:
A
B
C
D
2000-01-03
0.331409
1.071034 -0.914540 -0.510587
2000-01-04 -0.741017 -0.118794
0.383277
0.537212
2000-01-05
0.065042 -0.767353
0.655436
0.069467
2000-01-06
0.027932 -0.569477
0.908202
0.610585
2000-01-07
1.116434
1.133591
0.871287
1.004064
[5 rows x 4 columns]
This is equivalent to the following
In [54]: result = Panel(dict([ (ax,f(panel.loc[:,:,ax]))
....:
for ax in n panel.minor_axis ]))
....:
In [55]: result
Out[55]:
<class 'pandas.core.panel.Panel'>
Dimensions: 4 (items) x 5 (major_axis) x 3 (minor_axis)
Items axis: A to D
Major_axis axis: 2000-01-03 00:00:00 to 2000-01-07 00:00:00
Minor_axis axis: ItemA to ItemC
In [56]: result.loc[:,:,'ItemA']
Out[56]:
A
B
C
D
2000-01-03
0.331409
1.071034 -0.914540 -0.510587
2000-01-04 -0.741017 -0.118794
0.383277
0.537212
2000-01-05
0.065042 -0.767353
0.655436
0.069467
2000-01-06
0.027932 -0.569477
0.908202
0.610585
2000-01-07
1.116434
1.133591
0.871287
1.004064
[5 rows x 4 columns]
186
Chapter 1. What’s New
C# WPF Viewer: Load, View, Convert, Annotate and Edit Tiff
Load Tiff image document from byte array. Tiff Conversion. • Convert Tiff image to PDF (.pdf). Tiff Annotation. Add signature to Tiff image file.
create pdf signature box; add signature block to pdf
VB.NET PDF insert image library: insert images into PDF in vb.net
project. Import graphic picture, digital photo, signature and logo into PDF document. Add images to any selected PDF page in VB.NET.
adding a signature to a pdf; add signature to pdf in preview
pandas: powerful Python data analysis toolkit, Release 0.18.1
1.13.6 Performance
Performance improvements for 0.13.1
• Series datetime/timedelta binary operations (GH5801)
• DataFrame count/dropna foraxis=1
• Series.str.contains now has a regex=False keyword which can be faster for plain (non-regex) string patterns.
(GH5879)
• Series.str.extract (GH5944)
• dtypes/ftypes methods (GH5968)
• indexing with object dtypes (GH5968)
• DataFrame.apply (GH6013)
• Regression in JSON IO (GH5765)
• Index construction from Series (GH6150)
1.13.7 Experimental
There are no experimental changes in 0.13.1
1.13.8 Bug Fixes
SeeV0.13.1BugFixesfor an extensive list of bugs that have beenfixed in 0.13.1.
See thefullreleasenotes or issue tracker on GitHub for a complete list of all API changes, Enhancements and Bug
Fixes.
1.14 v0.13.0 (January 3, 2014)
This is a major release from 0.12.0 and includes a number of API changes, several new features and enhancements
along with a large number of bug fixes.
Highlights include:
• support for a new index type Float64Index, and other Indexing enhancements
• HDFStore has a new string based syntax for query specification
• support for new methods of interpolation
• updated timedelta operations
• a new string manipulation method extract
• Nanosecond support for Offsets
• isin for DataFrames
Several experimental features are added,including:
• new eval/query methods forexpression evaluation
• support for msgpack serialization
1.14. v0.13.0 (January 3, 2014)
187
pandas: powerful Python data analysis toolkit, Release 0.18.1
• an i/o interface to Google’s BigQuery
Their are several new or updated docs sections including:
• ComparisonwithSQL, which should be useful for those familiarwith SQL but still learning pandas.
• ComparisonwithR,idiom translations fromR to pandas.
• EnhancingPerformance, ways to enhance pandas performance with eval/query.
Warning: In 0.13.0 Series has internally been refactored to nolongersub-class ndarray but insteadsubclass
NDFrame, similar tothe rest of the pandas containers. This should be a transparent change with onlyvery limited
API implications. SeeInternalRefactoring
1.14.1 API changes
• read_excel now supports an integer in its sheetname argument giving the index of the sheet to read in
(GH4301).
• Text parser now treats anything that reads like inf (“inf”, “Inf”, “-Inf”, “iNf”, etc.) as infinity. (GH4220,
GH4219),affectingread_table,read_csv,etc.
• pandas now is Python 2/3 compatible without the need for 2to3 thanks to @jtratner. As a result, pandas now
uses iterators more extensively. This also led to the introduction ofsubstantive parts of the BenjaminPeterson’s
six library into compat. (GH4384,GH4375,GH4372)
• pandas.util.compat and pandas.util.py3compat have been merged into pandas.compat.
pandas.compat now includes many functions allowing 2/3 compatibility. It contains both list and itera-
tor versions of range, filter, map and zip, plus other necessary elements for Python 3 compatibility. lmap,
lzip,lrange andlfilter allproduce lists instead ofiterators,forcompatibilitywith numpy,subscripting
and pandas constructors.(GH4384,GH4375,GH4372)
• Series.get with negative indexers nowreturns the same as [] (GH4390)
• Changes to how Index andMultiIndex handle metadata (levels,labels, and names) (GH4039):
# previously, you would have set levels or labels directly
index.levels = [[1, 2, , 3, , 4], [1, 2, , 4, , 4]]
# now, you use the set_levels or set_labels methods
index = index.set_levels([[1, , 2, 3, 4], [1, , 2, , 4, 4]])
# similarly, for names, you can rename the object
# but setting names is not deprecated
index = index.set_names(["bob", "cranberry"])
# and all methods take an inplace kwarg - but return None
index.set_names(["bob", "cranberry"], inplace=True)
• All division withNDFrame objects is nowtruedivision,regardless ofthe future import. This means thatoperat-
ing on pandas objects will by default use floating point division, and return a floating point dtype. You can use
// and floordiv to do integerdivision.
Integer division
In [3]: arr = np.array([1, 2, 3, 4])
In [4]: arr2 = np.array([5, 3, 2, 1])
188
Chapter 1. What’s New
pandas: powerful Python data analysis toolkit, Release 0.18.1
In [5]: arr / arr2
Out[5]: array([0, 0, 1, 4])
In [6]: Series(arr) // Series(arr2)
Out[6]:
0
0
1
0
2
1
3
4
dtype: int64
True Division
In [7]: pd.Series(arr) / pd.Series(arr2) # no o future import t required
Out[7]:
0
0.200000
1
0.666667
2
1.500000
3
4.000000
dtype: float64
• Inferand downcast dtype ifdowncast=’infer’ is passed to fillna/ffill/bfill (GH4604)
• __nonzero__ for all NDFrame objects, will now raise a ValueError, this reverts back to (GH1073,
GH4633)behavior.Seegotchasforamoredetaileddiscussion.
This prevents doing boolean comparison on entire pandas objects, which is inherently ambiguous. These all
will raise a ValueError.
if df:
....
df1 and df2
s1 and s2
Added the .bool() method to NDFrame objects to facilitate evaluating of single-element boolean Series:
In [1]: Series([True]).bool()
Out[1]: True
In [2]: Series([False]).bool()
Out[2]: False
In [3]: DataFrame([[True]]).bool()
Out[3]: True
In [4]: DataFrame([[False]]).bool()
Out[4]: False
• All non-IndexNDFrames (Series,DataFrame,Panel,Panel4D,SparsePanel,etc.), nowsupport the
entire set of arithmetic operators and arithmetic flex methods (add, sub, mul, etc.). SparsePanel does not
support pow or mod with non-scalars. (GH3765)
• Series and DataFrame now have a mode() method to calculate the statistical mode(s) by axis/Series.
(GH5367)
• Chained assignment will now by default warn if the user is assigning to a copy. This can be changed with the
optionmode.chained_assignment,allowedoptions are raise/warn/None. Seethedocs.
In [5]: dfc = DataFrame({'A':['aaa','bbb','ccc'],'B':[1,2,3]})
In [6]: pd.set_option('chained_assignment','warn')
1.14. v0.13.0 (January 3, 2014)
189
pandas: powerful Python data analysis toolkit, Release 0.18.1
The following warning / exception will show if this is attempted.
In [7]: dfc.loc[0]['A'] = 1111
Traceback (most recent call last)
...
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_index,col_indexer] = value instead
Here is the correct method of assignment.
In [8]: dfc.loc[0,'A'] = 11
In [9]: dfc
Out[9]:
A
B
0
11
1
1
bbb
2
2
ccc
3
[3 rows x 2 columns]
• Panel.reindex has the following call signature Panel.reindex(items=None, major_axis=None, minor_axis=None,
to conformwith other NDFrame objects. SeeInternalRefactoring for more information.
• Series.argmin and Series.argmax are now aliased to Series.idxmin and Series.idxmax. These return the index of the
min ormaxelement respectively. Prior to 0.13.0these would return the positionof the min / max element.
(GH6214)
1.14.2 Prior Version Deprecations/Changes
These were announced changes in 0.12 or prior that are taking effect as of 0.13.0
• Remove deprecated Factor (GH3650)
• Remove deprecated set_printoptions/reset_printoptions (GH3046)
• Remove deprecated _verbose_info (GH3215)
• Remove
deprecated
read_clipboard/to_clipboard/ExcelFile/ExcelWriter
from
pandas.io.parsers (GH3717) These are available as functions in the main pandas namespace (e.g.
pd.read_clipboard)
• default for tupleize_cols is now False for both to_csv and read_csv. Fair warning in 0.12
(GH3604)
• default for display.max_seq_len is now 100 rather then None. This activates truncated display (”...”) of long
sequences in various places. (GH3391)
1.14.3 Deprecations
Deprecated in 0.13.0
• deprecated iterkv, which will be removed in a future release (this was an alias of iteritems used to bypass
2to3‘s changes). (GH4384,GH4375,GH4372)
190
Chapter 1. What’s New
Documents you may be interested
Documents you may be interested