Pandas稀疏資料


當任何匹配特定值的資料(NaN/缺失值,儘管可以選擇任何值)被省略時,稀疏物件被「壓縮」。 一個特殊的SparseIndex物件跟蹤資料被「稀疏」的地方。 這將在一個例子中更有意義。 所有的標準Pandas資料結構都應用了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)

執行上面範例程式碼,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])

為了記憶體效率的原因,所以需要稀疏物件的存在。

現在假設有一個大的NA DataFrame並執行下面的程式碼 -

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)

執行上面範例程式碼,得到以下結果 -

0.0001

通過呼叫to_dense可以將任何稀疏物件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())

執行上面範例程式碼,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

稀疏資料應該具有與其密集表示相同的dtype。 目前,支援float64int64booldtypes。 取決於原始的dtypefill_value預設值的更改 -

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

執行下面的程式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)

執行上面範例程式碼,得到以下結果 -

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