Python Pandas 稀疏数据

稀疏对象在省略匹配特定值（NaN / 缺失值，可以选择任何值）的数据时被“压缩”。特殊的SparseIndex对象跟踪数据已被“稀疏化”的位置。这在一个例子中会更清晰明了。所有标准的Pandas数据结构都适用于 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

它的 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)

稀疏对象的存在是为了提高内存效率。

现在假设你有一个很大的NA数据框，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

这个 输出 如下：

0.0001

通过调用 to_dense 方法，可以将任何稀疏对象转换回标准的稠密形式。

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

稀疏数据类型

稀疏数据应与其稠密表示具有相同的数据类型。目前支持 float64, int64 和 booldtypes 。根据原始数据类型， fill_value 的默认值会发生变化 −

• float64 − np.nan

• int64 − 0

• bool − False

让我们执行以下代码来理解这个问题−

import pandas as pd
import numpy as np

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

s.to_sparse()
print s

输出如下所示−

0   1.0
1   NaN
2   NaN
dtype: float64

0   1.0
1   NaN
2   NaN
dtype: float64