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

  1. fill_value参数​

  2. dtype.fill_value如果fill_value为 None 并且dtype为SparseDtype

  3. 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