Python PANDS稀疏数据帧值\u计数不起作用

当我使用value_counts方法时，我遇到了数据帧稀疏的类型错误。我已经列出了我正在使用的软件包的版本

有没有关于如何使这项工作的建议

提前谢谢。另外，如果需要更多信息，请告诉我

Python 2.7.6 |Anaconda 1.9.1 (x86_64)| (default, Jan 10 2014, 11:23:15) 
[GCC 4.0.1 (Apple Inc. build 5493)] on darwin
Type "help", "copyright", "credits" or "license" for more information.

>>> import pandas
>>> print pandas.__version__
0.13.1
>>> import numpy
>>> print numpy.__version__
1.8.0

>>> dense_df = pandas.DataFrame(numpy.zeros((10, 10))
                               ,columns=['x%d' % ix for ix in range(10)])
>>> dense_df['x5'] = [1.0, 0.0, 0.0, 1.0, 2.1, 3.0, 0.0, 0.0, 0.0, 0.0]
>>> print dense_df['x5'].value_counts()
0.0    6
1.0    2
3.0    1
2.1    1
dtype: int64

>>> sparse_df = dense_df.to_sparse(fill_value=0) # Tried fill_value=0.0 also
>>> print sparse_df.density
0.04

>>> print sparse_df['x5'].value_counts()
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
 File "//anaconda/lib/python2.7/site-packages/pandas/core/series.py", line 1156, in     value_counts
    normalize=normalize, bins=bins)
 File "//anaconda/lib/python2.7/site-packages/pandas/core/algorithms.py", line 231, in value_counts
    values = com._ensure_object(values)
  File "generated.pyx", line 112, in pandas.algos.ensure_object (pandas/algos.c:38788)
  File "generated.pyx", line 117, in pandas.algos.ensure_object (pandas/algos.c:38695)
  File "//anaconda/lib/python2.7/site-packages/pandas/sparse/array.py", line 377, in astype
    raise TypeError('Can only support floating point data for now')
TypeError: Can only support floating point data for now

Python 2.7.6 | Anaconda 1.9.1（x86_64）|（默认，2014年1月10日，11:23:15）
[GCC 4.0.1（苹果公司5493版）]关于达尔文
有关详细信息，请键入“帮助”、“版权”、“信用证”或“许可证”。
>>>进口大熊猫
>>>打印熊猫版__
0.13.1
>>>进口numpy
>>>打印numpy.\uu版本__
1.8.0
>>>密集_df=pandas.DataFrame（numpy.zeros（（10,10））
，列=['x%d'%ix，用于范围（10）]中的ix）
>>>密度_df['x5']=[1.0,0.0,0.0,1.0,2.1,3.0,0.0,0.0,0.0,0.0]
>>>打印密度密度密度密度[x5']。值计数（）
零点零六
一点零二
三点零一
二点一一
数据类型：int64
>>>稀疏_df=密集_df.到_稀疏（填充值=0）#尝试填充值=0.0
>>>打印稀疏密度
0.04
>>>打印稀疏_df['x5']。值_计数（）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“//anaconda/lib/python2.7/site packages/pandas/core/series.py”，第1156行，以值为单位
标准化=标准化，存储箱=存储箱）
文件“//anaconda/lib/python2.7/site packages/pandas/core/algorithms.py”，第231行，以值为单位
values=com.\u确保\u对象（值）
pandas.algos.sure_对象（pandas/algos.c:38788）中的文件“generated.pyx”，第112行
pandas.algos.sure_对象（pandas/algos.c:38695）中的文件“generated.pyx”，第117行
astype文件“//anaconda/lib/python2.7/site packages/pandas/sparse/array.py”，第377行
raise TypeError（'目前只能支持浮点数据'）
TypeError:目前只能支持浮点数据

这不是ATM实现的，先转换为密集型

In [12]: sparse_df['x5'].to_dense().value_counts()
Out[12]: 
0.0    6
1.0    2
3.0    1
2.1    1
dtype: int64

---

你是不是在家里养了只虫子。谢谢你的提示。谢谢你的快速回复。我有一个数据框，有7mm行和大约90K列。因此，将每个操作转换为密集的帧/数组非常繁琐，并且会占用大量内存；我需要一些tlc