pandas.arrays.SparseArray

class pandas.arrays.SparseArray(data, sparse_index=None, fill_value=None, kind='integer', dtype=None, copy=False)

用于存储稀疏数据的 ExtensionArray。

Parameters:

dataarray-like 或 scalar

要存储在 SparseArray 中的值的密集数组。这可能包含 fill_value。

sparse_indexSparseIndex, 可选

fill_valuescalar, optional

data 中等于 fill_value 的元素不会存储在 SparseArray 中。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：

data.dtype	na_value
float	np.nan
int	0
bool	False
datetime64	pd.NaT
timedelta64	pd.NaT

fill_value 可能通过三种方式指定。按优先级顺序，它们是：

1. fill_value 参数

2. 如果 fill_value 为 None 且 dtype 是 SparseDtype，则为 dtype.fill_value

3. 如果 fill_value 为 None 且 dtype 不是 SparseDtype 且 data 是 SparseArray，则为 data.dtype.fill_value。

kindstr

可以是 ‘integer’ 或 ‘block’，默认为 ‘integer’。稀疏位置的存储类型。

• ‘block’：为每个连续的稀疏值 跨度 存储一个 block 和 block_length。当稀疏数据倾向于聚集在一起，稀疏值之间有大片 fill-value 值时，这种方式效果最好。

• ‘integer’：使用整数来存储每个稀疏值的位置。

dtypenp.dtype 或 SparseDtype, 可选

用于 SparseArray 的 dtype。对于 numpy dtypes，这决定了 self.sp_values 的 dtype。对于 SparseDtype，这决定了 self.sp_values 和 self.fill_value。

copybool，默认 False

是否显式复制传入的 data 数组。

Examples

>>> 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)

Attributes

None

Methods

None