Pandas稀疏數據

當任何匹配特定值的數據(NaN/缺失值，儘管可以選擇任何值)被省略時，稀疏對象被「壓縮」。 一個特殊的SparseIndex對象跟蹤數據被「稀疏」的地方。 這將在一個例子中更有意義。 所有的標準Pandas數據結構都應用了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)

執行上面示例代碼，得到以下結果 -

0   -0.391926
1   -1.774880
2         NaN
3         NaN
4         NaN
5         NaN
6         NaN
7         NaN
8    0.642988
9   -0.373698
dtype: float64
BlockIndex
Block locations: array([0, 8])
Block lengths: array([2, 2])

爲了內存效率的原因，所以需要稀疏對象的存在。

現在假設有一個大的NA DataFrame並執行下面的代碼 -

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)

執行上面示例代碼，得到以下結果 -

0.0001

通過調用to_dense可以將任何稀疏對象轉換回標準密集形式 -

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())

執行上面示例代碼，得到以下結果 -

0   -0.275846
1    1.172722
2         NaN
3         NaN
4         NaN
5         NaN
6         NaN
7         NaN
8   -0.612009
9   -1.413996
dtype: float64

稀疏Dtypes

稀疏數據應該具有與其密集表示相同的dtype。 目前，支持float64，int64和booldtypes。 取決於原始的dtype，fill_value默認值的更改 -

• float64 − np.nan
• int64 − 0
• bool − False

執行下面的代碼來理解相同的內容 -

import pandas as pd
import numpy as np

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

執行上面示例代碼，得到以下結果 -

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