1. WIKI教程
2. 学习python_pandas
3. Python Pandas - Sparse Data

Python Pandas - Sparse Data

当任何匹配特定值的数据（NaN /缺失值，但可以选择任何值）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。 这在一个例子中会更有意义。 所有标准的Pandas数据结构都应用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output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)

出于内存效率的原因，存在稀疏对象。

现在让我们假设您有一个大的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output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output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

稀疏数据应具有与其密集表示相同的dtype。 目前，支持float64, int64和booldtypes 。 根据原始dtype, fill_value default更改 -

• float64 - np.nan

• int64 - 0

• bool - 错

让我们执行以下代码来理解相同的 -

import pandas as pd
import numpy as np
s = pd.Series([1, np.nan, np.nan])
print s
s.to_sparse()
print s

其output如下 -

0   1.0
1   NaN
2   NaN
dtype: float64
0   1.0
1   NaN
2   NaN
dtype: float64