跳转至

Python | Pandas data frame.to_sparse

原文:https://www.geesforgeks.org/python-pandas-data frame-to_sparse/

Pandas DataFrame 是一个二维可变大小、潜在异构的表格数据结构，带有标记轴(行和列)。算术运算在行标签和列标签上对齐。它可以被认为是系列对象的类似字典的容器。这是熊猫的主要数据结构。

熊猫 **DataFrame.to_sparse()**功能转换为稀疏帧。该函数实现了数据帧的稀疏版本，这意味着任何与特定值匹配的数据都会在表示中被省略。稀疏数据帧允许更高效的存储。

语法:data frame.to_sparse(fill_value = None，kind='block ')

参数: fill_value : 表示法中应省略的具体值。 种类: {'block '，' integer'}，默认为' block '

返回:稀疏参数

示例#1: 使用DataFrame.to_sparse()函数将给定的数据帧转换为稀疏数据帧，以实现高效存储。

# importing pandas as pd
import pandas as pd

# Creating the DataFrame
df = pd.DataFrame({'Weight':[45, 88, 56, 15, 71],
                   'Name':['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'],
                   'Age':[14, 25, 55, 8, 21]})

# Create the index
index_ = pd.date_range('2010-10-09 08:45', periods = 5, freq ='H')

# Set the index
df.index = index_

# Print the DataFrame
print(df)

输出:

现在我们将使用DataFrame.to_sparse()函数将给定的数据帧转换为稀疏数据帧。

# convert to SparseDataFrame
result = df.to_sparse()

# Print the result
print(result)

# Verify the result by checking the 
# type of the object.
print(type(result))

输出:

正如我们在输出中看到的那样，DataFrame.to_sparse()函数已经成功地将给定的数据帧转换为稀疏数据帧类型。

示例 2: 使用DataFrame.to_sparse()函数将给定的数据帧转换为稀疏数据帧，以实现高效存储。

# importing pandas as pd
import pandas as pd

# Creating the DataFrame
df = pd.DataFrame({"A":[12, 4, 5, None, 1], 
                   "B":[7, 2, 54, 3, None], 
                   "C":[20, 16, 11, 3, 8], 
                   "D":[14, 3, None, 2, 6]}) 

# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']

# Set the index
df.index = index_

# Print the DataFrame
print(df)

输出:

现在我们将使用DataFrame.to_sparse()函数将给定的数据帧转换为稀疏数据帧。

# convert to SparseDataFrame
result = df.to_sparse()

# Print the result
print(result)

# Verify the result by checking the 
# type of the object.
print(type(result))

输出: 正如我们在输出中看到的，DataFrame.to_sparse()函数已经成功地将给定的数据帧转换为稀疏数据帧类型。

回到顶部