Question

我有一个SparseDataFrame，我想更改一些值。但是，当我使用.loc，.iloc或set_value时，我总是得到：

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

如何使用SparseArray？

https://stackoverflow.com/a/49030495/9157212建议使用df.to_dense()，执行分配，然后使用df.to_sparse()。有没有办法直接在SparseDataFrame / SparseArray？

上工作

Answer 1

使用.loc []无法以稀疏格式直接插入令人沮丧。恐怕我只有解决方法。

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

将DataFrame中的几列转换为密集格式，同时使其他列保持稀疏状态，
使用.loc []在密集列中插入数据，
，然后将这些列转换回稀疏状态。

与将整个DataFrame转换为密集型相比，这显然要少很多内存。

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

如何在Python中为SparseArray赋值？

1 个答案: