Python| Pandas Series.to_sparse()
Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的,但必须是可散列的类型。该对象支持基于整数和基于标签的索引,并提供了许多用于执行涉及索引的操作的方法。
Pandas Series.to_sparse()
函数将给定的 Series 对象转换为 SparseSeries。稀疏对象基本上是压缩对象。如果 Series 对象中的某些数据丢失,那么这些位置将被稀疏化。存储缺失值不会浪费内存。
Syntax: Series.to_sparse(kind=’block’, fill_value=None)
Parameter :
kind : {‘block’, ‘integer’}
fill_value : float, defaults to NaN (missing)
Returns : sp : SparseSeries
示例 #1:使用Series.to_sparse()
函数将给定的系列对象转换为 SparseSeries 对象。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio', 'Moscow'])
# Create the Datetime Index
didx = pd.DatetimeIndex(start ='2014-08-01 10:00', freq ='W',
periods = 6, tz = 'Europe/Berlin')
# set the index
sr.index = didx
# Print the series
print(sr)
输出 :
现在我们将使用Series.to_sparse()
函数来实现给定 Series 对象到 SparseSeries 对象的转换。
# convert to Sparse object
sr.to_sparse()
输出 :
正如我们在输出中看到的那样, Series.to_sparse()
函数已成功地将给定的系列对象转换为 sparseseries 对象。示例 #2:使用Series.to_sparse()
函数将给定的系列对象转换为 SparseSeries 对象。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
# Print the series
print(sr)
输出 :
现在我们将使用Series.to_sparse()
函数来实现给定 Series 对象到 SparseSeries 对象的转换。
# convert to Sparse object
sr.to_sparse()
输出 :
正如我们在输出中看到的那样, Series.to_sparse()
函数已成功地将给定的系列对象转换为 sparseseries 对象。如果我们查看底部两行,它返回了有关内存块位置和这些块中包含的值的数量的信息。