Pythonパンダ-スパースデータ

スパースオブジェクトは、特定の値に一致するデータ(NaN /欠落値、ただし任意の値を選択できます)が省略されると、「圧縮」されます。特別なSparseIndexオブジェクトは、データが「スパース化」された場所を追跡します。これは、例でははるかに理にかなっています。すべての標準パンダデータ構造は、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

その output 次のとおりです-

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)

スパースオブジェクトは、メモリ効率の理由から存在します。

ここで、大きなNA DataFrameがあると仮定して、次のコードを実行します。

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

その output 次のとおりです-

0.0001

スパースオブジェクトは、を呼び出すことで標準のデンスフォームに戻すことができます。 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()

その output 次のとおりです-

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

スパースDtype

スパースデータは、そのデンス表現と同じdtypeを持つ必要があります。現在、float64, int64 そして booldtypesサポートされています。オリジナルに応じてdtype, fill_value default 変化-

  • float64 − np.nan

  • int64 − 0

  • bool −誤り

同じことを理解するために次のコードを実行してみましょう-

import pandas as pd
import numpy as np

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

s.to_sparse()
print s

その output 次のとおりです-

0   1.0
1   NaN
2   NaN
dtype: float64

0   1.0
1   NaN
2   NaN
dtype: float64