Python Pandas - dados esparsos

Objetos esparsos são “compactados” quando qualquer dado correspondente a um valor específico (NaN / valor ausente, embora qualquer valor possa ser escolhido) é omitido. Um objeto especial SparseIndex rastreia onde os dados foram “esparsos”. Isso fará muito mais sentido em um exemplo. Todas as estruturas de dados padrão do Pandas aplicam oto_sparse método -

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

Está output é o seguinte -

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)

Os objetos esparsos existem por motivos de eficiência de memória.

Vamos agora supor que você tenha um grande DataFrame de NA e execute o seguinte código -

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

Está output é o seguinte -

0.0001

Qualquer objeto esparso pode ser convertido de volta para a forma densa padrão chamando 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()

Está output é o seguinte -

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

Dtypes esparsos

Dados esparsos devem ter o mesmo tipo de d que sua representação densa. Atualmente,float64, int64 e booldtypessão suportados. Dependendo do originaldtype, fill_value default mudanças -

  • float64 - np.nan

  • int64 - 0

  • bool - Falso

Vamos executar o seguinte código para entender o mesmo -

import pandas as pd
import numpy as np

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

s.to_sparse()
print s

Está output é o seguinte -

0   1.0
1   NaN
2   NaN
dtype: float64

0   1.0
1   NaN
2   NaN
dtype: float64