目錄
- 簡介
- Spare data的例子
- SparseArray
- SparseDtype
- Sparse的屬性
- Sparse的計算
- SparseSeries 和 SparseDataFrame
簡介
如果數據中有很多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
我們創建一個數組，然后將其大部分數據設置為NaN，接著使用這個數組來創建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]，它的意思是數組中的nan實際上并沒有存儲，只有非nan的數據才被存儲，并且這些數據的類型是float64.
SparseArray
arrays.SparseArray 是一個 ExtensionArray ，用來存儲稀疏的數組類型。
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值的數據類型，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 稀疏數據結構的實現的文章就介紹到這了,更多相關Pandas 稀疏數據結構內容請搜索腳本之家以前的文章或繼續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 數據結構中的DataFrame
- Python Pandas數據結構簡單介紹
- pandas 數據結構之Series的使用方法
- Pandas數據結構詳細說明及如何創建Series，DataFrame對象方法
