Python Pandas 稀疏数据

当任何与特定值（NaN/缺失值，尽管可以选择任何值）相匹配的数据被省略时，稀疏对象被 “压缩”。一个特殊的SparseIndex对象跟踪数据被 “压缩 “的地方。这在一个例子中会有更大的意义。所有标准的Pandas数据结构都适用 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 输出结果 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)

稀疏对象的存在是出于内存效率的考虑。

现在让我们假设你有一个大的NA DataFrame，并执行以下代码-

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 输出结果 如下 –

0.0001

任何稀疏的对象都可以通过调用 to_dense --将其转换为标准的密集形式。

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 输出结果 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

稀疏的Dtypes

稀疏数据应该具有与其密集表示相同的D类型。目前，支持 float64、int64 和 booldtypes 。根据原始的 dtype，fill_value的默认值 会发生变化—-。

• float64 – np.nan

• int64 – 0

• bool – False

让我们执行下面的代码来了解同样的情况-

import pandas as pd
import numpy as np

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

s.to_sparse()
print s

其 输出结果 如下 –

0   1.0
1   NaN
2   NaN
dtype: float64

0   1.0
1   NaN
2   NaN
dtype: float64