pandas.arrays.SparseArray # 类 pandas.arrays。SparseArray(数据, sparse_index = None, fill_value = None, kind = 'integer', dtype = None, copy = False)[来源]# 用于存储稀疏数据的 ExtensionArray。 参数: 类似数组或标量的数据要存储在 SparseArray 中的密集值数组。这可能包含 fill_value。 稀疏索引稀疏索引,可选 fill_value标量,可选fill_value数据中未存储在 SparseArray 中的元素。为了节省内存,这应该是data中最常见的值。默认情况下,fill_value取决于data的 dtype : 数据类型 na_值 漂浮 np.nan 整数 0 布尔值 错误的 日期时间64 pd.NaT 时间增量64 pd.NaT 填充值可能以三种方式指定。按优先顺序排列,这些是 fill_value参数 dtype.fill_value如果fill_value为 None 并且dtype为SparseDtype data.dtype.fill_value如果fill_value为 None 并且dtype 不是 aSparseDtype并且data是 a SparseArray。 善良的str可以是“整数”或“块”,默认为“整数”。稀疏位置的存储类型。 'block':存储稀疏值的每个连续范围的块和block_length 。当稀疏数据倾向于聚集在一起并且稀疏值之间存在大范围的值时,这是最好的。fill-value 'integer':使用整数来存储每个稀疏值的位置。 dtype np.dtype 或 SparseDtype,可选用于 SparseArray 的 dtype。对于 numpy dtypes,这决定了 的 dtype self.sp_values。对于 SparseDtype,这决定了self.sp_values和self.fill_value。 复制bool,默认 False是否显式复制传入的数据数组。 例子 >>> from pandas.arrays import SparseArray >>> arr = SparseArray([0, 0, 1, 2]) >>> arr [0, 0, 1, 2] Fill: 0 IntIndex Indices: array([2, 3], dtype=int32) 属性 没有任何 方法 没有任何