بيانات الفجوات في Pandas

مثال على عمليات البيانات الفارغة الخاصة بـ Pandas

عندما يتم تجاهل أي بيانات لا تتطابق مع القيمة المحددة (NaN / قيم مفقودة، على الرغم من أنه يمكن اختيار أي قيمة) يتم 'كبس' الكائن الفارغ. يتبع SparseIndex الخاص بكائن الفارغ مواقع التوزيع للبيانات. في مثال، سيكون ذلك أكثر وضوحًا. تطبق جميع بنيات البيانات القياسية الخاصة بـ Pandas طريقة to_sparse:

　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

النتائج التالية:

　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
　مكامع اللوالب: array([0, 8], dtype=int32)
　أطوال اللوالب: array([2, 2], dtype=int32)

لزيادة كفاءة الذاكرة، هناك كائنات فراغية.
الآن دعنا نفترض أن لديك DataFrame كبير يحتوي على NA ونفذ الت 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

النتائج التالية:

　　　0.0001

يمكن تحويل أي كائن فجوي إلى شكل كثيف باستخدام 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()

النتائج التالية:

　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

نوع البيانات الفجوي

يجب أن يكون نوع البيانات لبيانات الفجوات متطابقًا مع تمثيله الكثيف. حاليًا، يدعم float64،int64 و bool types. يعتمد القيمة الافتراضية للfill_value على النوع الأصلي للdtype.

float64 − np.nan

سنقوم تنفيذ الكود التالي لفهمها:

　import pandas as pd
　import numpy as np
　s = pd.Series([1, np.nan, np.nan])
　print s
　s.to_sparse()
　print s

النتائج التالية:

　0 1.0
　1 NaN
　2 NaN
　dtype: float64
　0 1.0
　1 NaN
　2 NaN
　dtype: float64