Python 大熊猫长着浓密而稀疏的骡子

我有一个时间索引的

DataFrame

，其中只有一部分数据是有效的（出于某些“外部”原因）

我制作了一个时间索引的

系列

，其中

1

s用于有效数据，而

NaN

s用于无效数据，因此我可以将其用作我的

数据帧

上的掩码

这个系列是稀疏的

import pandas as pd
import numpy as np

rng = pd.date_range(start='2014-07-09', periods=5, freq='D')
data = np.random.randn(len(rng), 3)
col_names = ['spam', 'ham', 'eggs']    
df = pd.DataFrame(data=data, index=rng, columns=col_names)    
valid_days = np.nan * np.ones_like(df.spam.values)
valid_days[2] =  1    
validity_mask = pd.SparseSeries(data=valid_days, index=rng)

我希望

df.mul（validity\u mask，axis=0）

给我一套非NaN

垃圾邮件、火腿、鸡蛋

，相反，我得到了：

In [2]: df.mul(validity_mask, axis=0)
AssertionError: length mismatch: 5 vs. 3

---

答案当然是，我们需要在乘法之前将其转换为密集型

df.mul(validity_mask.to_dense(), axis=0)

给出了以下方面的预期结果：

                spam       ham     eggs
2014-07-09       NaN       NaN      NaN
2014-07-10       NaN       NaN      NaN
2014-07-11  1.943166 -0.342399 -0.31517
2014-07-12       NaN       NaN      NaN
2014-07-13       NaN       NaN      NaN

我之所以把这个放在这里，是因为我在

熊猫

中找不到任何关于显式演员的信息，只是简单地说“从功能上讲，它们的行为应该与密集型演员几乎相同。”