Pandas稀疏数据

当任何匹配特定值的数据（NaN /缺失值，尽管可以选择任何值）被省略时，稀疏对象被“压缩”。一个特殊的SparseIndex对象跟踪数据被“稀疏化”的位置。这将在一个例子中更有意义。所有的标准Pandas数据结构都应用了 to_sparse 方法 -

import pandas as pd
import numpy as np

ts = pd.Series(np.random.randn(10))
ts[2:-2] = np.nan
sts = ts.to_sparse()
print sts

其 输出 如下 -

0   -0.810497
1   -1.419954
2         NaN
3         NaN
4         NaN
5         NaN
6         NaN
7         NaN
8    0.439240
9   -1.095910
dtype: float64
BlockIndex
Block locations: array([0, 8], dtype=int32)
Block lengths: array([2, 2], dtype=int32)

为了记忆效率的原因存在稀疏对象。

现在让我们假设你有一个大的NA DataFrame并执行下面的代码 -

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10000, 4))
df.ix[:9998] = np.nan
sdf = df.to_sparse()

print sdf.density

其 输出 如下 -

0.0001

通过调用 to_dense 可以将任何稀疏对象转换回标准密集形式-

import pandas as pd
import numpy as np
ts = pd.Series(np.random.randn(10))
ts[2:-2] = np.nan
sts = ts.to_sparse()
print sts.to_dense()

其 输出 如下 -

0   -0.810497
1   -1.419954
2         NaN
3         NaN
4         NaN
5         NaN
6         NaN
7         NaN
8    0.439240
9   -1.095910
dtype: float64

稀疏Dtypes

稀疏数据应该具有与其密集表示相同的dtype。目前支持 float64，int64 和 booldtypes 。取决于原始的 dtype，fill_value默认 更改 -

  • float64 - np.nan

  • int64 - 0

  • 布尔 - 错误

让我们执行下面的代码来理解相同的内容 -

import pandas as pd
import numpy as np

s = pd.Series([1, np.nan, np.nan])
print s

s.to_sparse()
print s

其 输出 如下 -

0   1.0
1   NaN
2   NaN
dtype: float64

0   1.0
1   NaN
2   NaN
dtype: float64