Python | Pandas DataFrame.to_sparse

Pandas DataFrame es una estructura de datos tabulares potencialmente heterogénea, de tamaño mutable, bidimensional con ejes etiquetados (filas y columnas). Las operaciones aritméticas se alinean en las etiquetas de fila y columna. Se puede considerar como un contenedor similar a un dictado para objetos Series. Esta es la estructura de datos principal de Pandas.

La función Pandas DataFrame.to_sparse()convierte a SparseDataFrame. La función implementa la versión dispersa del DataFrame, lo que significa que cualquier dato que coincida con un valor específico se omite en la representación. El marco de datos escaso permite un almacenamiento más eficiente.

Sintaxis: DataFrame.to_sparse(fill_value=None, kind=’block’)

Parámetro:
fill_value: el valor específico que debe omitirse en la representación.
tipo: {‘bloque’, ‘entero’}, predeterminado ‘bloque’

Devoluciones: SparseDataFrame

Ejemplo n.º 1: use DataFrame.to_sparse()la función para convertir el marco de datos dado en un marco de datos disperso para un almacenamiento eficiente.

# importing pandas as pd
import pandas as pd
  
# Creating the DataFrame
df = pd.DataFrame({'Weight':[45, 88, 56, 15, 71],
                   'Name':['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'],
                   'Age':[14, 25, 55, 8, 21]})
  
# Create the index
index_ = pd.date_range('2010-10-09 08:45', periods = 5, freq ='H')
  
# Set the index
df.index = index_
  
# Print the DataFrame
print(df)

Producción :

Ahora usaremos DataFrame.to_sparse()la función para convertir el marco de datos dado en un SparseDataFrame.

# convert to SparseDataFrame
result = df.to_sparse()
  
# Print the result
print(result)
  
# Verify the result by checking the 
# type of the object.
print(type(result))

Producción :

Como podemos ver en el resultado, la DataFrame.to_sparse()función ha convertido con éxito el marco de datos dado a un tipo SparseDataFrame.
 
Ejemplo n.º 2: use DataFrame.to_sparse()la función para convertir el Dataframe dado en un SparseDataFrame para un almacenamiento eficiente.

# importing pandas as pd
import pandas as pd
  
# Creating the DataFrame
df = pd.DataFrame({"A":[12, 4, 5, None, 1], 
                   "B":[7, 2, 54, 3, None], 
                   "C":[20, 16, 11, 3, 8], 
                   "D":[14, 3, None, 2, 6]}) 
  
# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']
  
# Set the index
df.index = index_
  
# Print the DataFrame
print(df)

Producción :

Ahora usaremos DataFrame.to_sparse()la función para convertir el marco de datos dado en un SparseDataFrame.

# convert to SparseDataFrame
result = df.to_sparse()
  
# Print the result
print(result)
  
# Verify the result by checking the 
# type of the object.
print(type(result))

Salida:


como podemos ver en la salida, la DataFrame.to_sparse()función ha convertido con éxito el marco de datos dado a un tipo SparseDataFrame.