Question

我注意到熊猫现在有support for Sparse Matrices and Arrays。目前，我创建了这样的DataFrame()：

return DataFrame(matrix.toarray(), columns=features, index=observations)

有没有办法用SparseDataFrame()或scipy.sparse.csc_matrix()创建csr_matrix()？转换为密集格式会严重影响RAM。谢谢！

Answer 1

ATM不支持直接转换。欢迎捐款！

试试这个，内存应该没问题，因为SpareSeries很像csc_matrix（1列）并且空间效率很高

In [37]: col = np.array([0,0,1,2,2,2])

In [38]: data = np.array([1,2,3,4,5,6],dtype='float64')

In [39]: m = csc_matrix( (data,(row,col)), shape=(3,3) )

In [40]: m
Out[40]: 
<3x3 sparse matrix of type '<type 'numpy.float64'>'
        with 6 stored elements in Compressed Sparse Column format>

In [46]: pd.SparseDataFrame([ pd.SparseSeries(m[i].toarray().ravel()) 
                              for i in np.arange(m.shape[0]) ])
Out[46]: 
   0  1  2
0  1  0  4
1  0  0  5
2  2  3  6

In [47]: df = pd.SparseDataFrame([ pd.SparseSeries(m[i].toarray().ravel()) 
                                   for i in np.arange(m.shape[0]) ])

In [48]: type(df)
Out[48]: pandas.sparse.frame.SparseDataFrame

Answer 2

从pandas v 0.20.0开始，您可以使用SparseDataFrame构造函数。

来自the pandas docs的示例：

import numpy as np
import pandas as pd
from scipy.sparse import csr_matrix

arr = np.random.random(size=(1000, 5))
arr[arr < .9] = 0
sp_arr = csr_matrix(arr)
sdf = pd.SparseDataFrame(sp_arr)

Answer 3

更短的版本：

df = pd.DataFrame(m.toarray())

从SciPy稀疏矩阵填充Pandas SparseDataFrame

3 个答案: