目錄
- 簡介
- Spare data的例子
- SparseArray
- SparseDtype
- Sparse的屬性
- Sparse的計算
- SparseSeries 和 SparseDataFrame
簡介
如果數(shù)據(jù)中有很多NaN的值，存儲起來就會浪費空間。為了解決這個問題，Pandas引入了一種叫做Sparse data的結構，來有效的存儲這些NaN的值。
Spare data的例子
我們創(chuàng)建一個數(shù)組，然后將其大部分數(shù)據(jù)設置為NaN，接著使用這個數(shù)組來創(chuàng)建SparseArray：
In [1]: arr = np.random.randn(10)
In [2]: arr[2:-2] = np.nan
In [3]: ts = pd.Series(pd.arrays.SparseArray(arr))
In [4]: ts
Out[4]:
0 0.469112
1 -0.282863
2 NaN
3 NaN
4 NaN
5 NaN
6 NaN
7 NaN
8 -0.861849
9 -2.104569
dtype: Sparse[float64, nan]
這里的dtype類型是Sparse[float64, nan]，它的意思是數(shù)組中的nan實際上并沒有存儲，只有非nan的數(shù)據(jù)才被存儲，并且這些數(shù)據(jù)的類型是float64.
SparseArray
arrays.SparseArray 是一個 ExtensionArray ，用來存儲稀疏的數(shù)組類型。
In [13]: arr = np.random.randn(10)
In [14]: arr[2:5] = np.nan
In [15]: arr[7:8] = np.nan
In [16]: sparr = pd.arrays.SparseArray(arr)
In [17]: sparr
Out[17]:
[-1.9556635297215477, -1.6588664275960427, nan, nan, nan, 1.1589328886422277, 0.14529711373305043, nan, 0.6060271905134522, 1.3342113401317768]
Fill: nan
IntIndex
Indices: array([0, 1, 5, 6, 8, 9], dtype=int32)
使用 numpy.asarray() 可以將其轉換為普通的數(shù)組：
In [18]: np.asarray(sparr)
Out[18]:
array([-1.9557, -1.6589, nan, nan, nan, 1.1589, 0.1453,
nan, 0.606 , 1.3342])
SparseDtype
SparseDtype 表示的是Spare類型。它包含兩種信息，第一種是非NaN值的數(shù)據(jù)類型，第二種是填充時候的常量值，比如nan：
In [19]: sparr.dtype
Out[19]: Sparse[float64, nan]
可以像下面這樣構造一個SparseDtype：
In [20]: pd.SparseDtype(np.dtype('datetime64[ns]'))
Out[20]: Sparse[datetime64[ns], NaT]
可以指定填充的值：
In [21]: pd.SparseDtype(np.dtype('datetime64[ns]'),
....: fill_value=pd.Timestamp('2017-01-01'))
....:
Out[21]: Sparse[datetime64[ns], Timestamp('2017-01-01 00:00:00')]
Sparse的屬性
可以通過 .sparse 來訪問sparse：
In [23]: s = pd.Series([0, 0, 1, 2], dtype="Sparse[int]")
In [24]: s.sparse.density
Out[24]: 0.5
In [25]: s.sparse.fill_value
Out[25]: 0
Sparse的計算
np的計算函數(shù)可以直接用在SparseArray中，并且會返回一個SparseArray。
In [26]: arr = pd.arrays.SparseArray([1., np.nan, np.nan, -2., np.nan])
In [27]: np.abs(arr)
Out[27]:
[1.0, nan, nan, 2.0, nan]
Fill: nan
IntIndex
Indices: array([0, 3], dtype=int32)
SparseSeries 和 SparseDataFrame
SparseSeries 和 SparseDataFrame在1.0.0 的版本時候被刪除了。取代他們的是功能更強的SparseArray。
看下兩者的使用上的區(qū)別：
# Previous way
>>> pd.SparseDataFrame({"A": [0, 1]})
# New way
In [31]: pd.DataFrame({"A": pd.arrays.SparseArray([0, 1])})
Out[31]:
A
0 0
1 1
如果是SciPy 中的sparse 矩陣，那么可以使用 DataFrame.sparse.from_spmatrix() ：
# Previous way
>>> from scipy import sparse
>>> mat = sparse.eye(3)
>>> df = pd.SparseDataFrame(mat, columns=['A', 'B', 'C'])
# New way
In [32]: from scipy import sparse
In [33]: mat = sparse.eye(3)
In [34]: df = pd.DataFrame.sparse.from_spmatrix(mat, columns=['A', 'B', 'C'])
In [35]: df.dtypes
Out[35]:
A Sparse[float64, 0]
B Sparse[float64, 0]
C Sparse[float64, 0]
dtype: object
到此這篇關于Pandas 稀疏數(shù)據(jù)結構的實現(xiàn)的文章就介紹到這了,更多相關Pandas 稀疏數(shù)據(jù)結構內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 淺析pandas 數(shù)據(jù)結構中的DataFrame
- Python Pandas數(shù)據(jù)結構簡單介紹
- pandas 數(shù)據(jù)結構之Series的使用方法
- Pandas數(shù)據(jù)結構詳細說明及如何創(chuàng)建Series，DataFrame對象方法
