python - 在 Pandas 中给SparseArray赋值吗？

Question

我有一个SparseDataFrame类型的对象，我想更改一些值。
通常在使用数据框时，我使用DataFrame.loc，DataFrame.iloc或set_value。当尝试在SparseDataFrame对象上使用此方法时，总是出现以下错误:

"SparseArray does not support item assignment via setitem"
TypeError: SparseArray does not support item assignment via setitem

如何正确使用SparseArray？
这个问题: Set percentage of column to 0 (pandas)建议首先使用 df.to_dense()，进行分配，然后使用 df.to_sparse()将其转换回去。
我想知道是否可以直接使用 SparseDataFrame/ SparseArray吗？

Answer 1

无法使用.loc []直接以稀疏格式插入令人沮丧。恐怕我只有一种变通方法。

自从最初发布问题(版本0.25)以来，pandas已弃用SparseDataFrame。相反，它创建了一种数据类型(SparseDtype)，该数据类型可以应用于DataFrame中的各个序列。换句话说，它不再是“全有或全无”。你可以:

将您的DataFrame中的几列转换为密集格式，而其他列保持稀疏，

在密集列

中使用.loc []插入数据

，然后将这些列转换回稀疏。

与将整个DataFrame转换为密集型数据相比，这显然减少了很多内存。

这是一个非常简单的函数来说明我的意思:

def sp_loc(df, index, columns, val):
    """ Insert data in a DataFrame with SparseDtype format

    Only applicable for pandas version > 0.25

    Args
    ----
    df : DataFrame with series formatted with pd.SparseDtype
    index: str, or list, or slice object
        Same as one would use as first argument of .loc[]
    columns: str, list, or slice
        Same one would normally use as second argument of .loc[]
    val: insert values

    Returns
    -------
    df: DataFrame
        Modified DataFrame

    """

    # Save the original sparse format for reuse later
    spdtypes = df.dtypes[columns]

    # Convert concerned Series to dense format
    df[columns] = df[columns].sparse.to_dense()

    # Do a normal insertion with .loc[]
    df.loc[index, columns] = val

    # Back to the original sparse format
    df[columns] = df[columns].astype(spdtypes)

    return df

简单用法示例:

# DÉFINITION DATAFRAME SPARSE

df1 = pd.DataFrame(index=['a', 'b', 'c'], columns=['I', 'J'])
df1.loc['a', 'J'] = 0.42
df1 = df1.astype(pd.SparseDtype(float))
#     |   I |      J
# ----+-----+--------
# a   | nan |   0.42
# b   | nan | nan
# c   | nan | nan

df1.dtypes
#I    Sparse[float64, nan]
#J    Sparse[float64, nan]

df1.sparse.density
# 0.16666666666666666

# INSERTION

df1 = sp_loc(df1, ['a','b'], 'I', [-1, 1])
#     |   I |      J
# ----+-----+--------
#  a  |  -1 |   0.42
#  b  |   1 | nan
#  c  | nan | nan

df1.sparse.density()
# 0.5