Python Pandas DataFrame.to_sparse

Pandas DataFrame是一个二维的大小可变的、可能是异质的表格数据结构，具有标记的axis（行和列）。算术操作在行和列的标签上对齐。它可以被认为是一个类似于Dict的系列对象的容器。这是Pandas的主要数据结构。

Pandas DataFrame.to_sparse()函数转换为SparseDataFrame。该函数实现了DataFrame的稀疏版本，意味着任何与特定值相匹配的数据都会在表示中被省略。稀疏的DataFrame允许更有效的存储。

语法: DataFrame.to_sparse(fill_value=None, kind=’block’)

参数:
fill_value :在表示中应该省略的具体数值。

返回：稀疏数据帧

示例#1：使用DataFrame.to_sparse()函数将给定的Dataframe转换为SparseDataFrame，以实现高效存储。

# importing pandas as pd
import pandas as pd
  
# Creating the DataFrame
df = pd.DataFrame({'Weight':[45, 88, 56, 15, 71],
                   'Name':['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'],
                   'Age':[14, 25, 55, 8, 21]})
  
# Create the index
index_ = pd.date_range('2010-10-09 08:45', periods = 5, freq ='H')
  
# Set the index
df.index = index_
  
# Print the DataFrame
print(df)

输出 :

Python Pandas DataFrame.to_sparse

现在我们将使用DataFrame.to_sparse()函数将给定的数据框架转换为稀疏数据框架。

# convert to SparseDataFrame
result = df.to_sparse()
  
# Print the result
print(result)
  
# Verify the result by checking the 
# type of the object.
print(type(result))

输出 :
Python Pandas DataFrame.to_sparse

正如我们在输出中看到的，DataFrame.to_sparse()函数已经成功地将给定的数据框架转换为SparseDataFrame类型。

示例#2：使用DataFrame.to_sparse()函数将给定的Dataframe转换为SparseDataFrame以实现高效存储。

# importing pandas as pd
import pandas as pd
  
# Creating the DataFrame
df = pd.DataFrame({"A":[12, 4, 5, None, 1], 
                   "B":[7, 2, 54, 3, None], 
                   "C":[20, 16, 11, 3, 8], 
                   "D":[14, 3, None, 2, 6]}) 
  
# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']
  
# Set the index
df.index = index_
  
# Print the DataFrame
print(df)

输出 :
Python Pandas DataFrame.to_sparse

现在我们将使用DataFrame.to_sparse()函数将给定的数据框架转换为稀疏数据框架。

# convert to SparseDataFrame
result = df.to_sparse()
  
# Print the result
print(result)
  
# Verify the result by checking the 
# type of the object.
print(type(result))