Panda Python - Dati sparsi

Gli oggetti sparsi vengono "compressi" quando vengono omessi i dati corrispondenti a un valore specifico (NaN / valore mancante, sebbene sia possibile scegliere qualsiasi valore). Uno speciale oggetto SparseIndex tiene traccia della posizione in cui i dati sono stati "sparsificati". Questo avrà molto più senso in un esempio. Tutte le strutture dati standard di Pandas applicano l'estensioneto_sparse metodo -

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

Suo output è il seguente -

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)

Gli oggetti sparsi esistono per motivi di efficienza della memoria.

Supponiamo ora di avere un DataFrame NA di grandi dimensioni ed eseguire il codice seguente:

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

Suo output è il seguente -

0.0001

Qualsiasi oggetto sparse può essere riconvertito nella forma densa standard chiamando to_dense -

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()

Suo output è il seguente -

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

Tipi di D sparsi

I dati sparsi dovrebbero avere lo stesso dtype della sua rappresentazione densa. Attualmente,float64, int64 e booldtypessono supportati. A seconda dell'originaledtype, fill_value default modifiche -

  • float64 - np.nan

  • int64 - 0

  • bool - Falso

Eseguiamo il seguente codice per capire lo stesso:

import pandas as pd
import numpy as np

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

s.to_sparse()
print s

Suo output è il seguente -

0   1.0
1   NaN
2   NaN
dtype: float64

0   1.0
1   NaN
2   NaN
dtype: float64