Python 定义df.to_sparse（）结果的数据类型

我有一个数据帧

df

，它是稀疏的，为了提高内存效率，我希望使用

将其转换为\u sparse（）

然而，新的表示似乎以

dtype=float64

结束，即使我的

df

是

dtype=int8

简而言之，使用

to_sparse（）

？

时，是否有方法指定数据类型/防止自动转换为

dtype=float64

。不 您知道，数据类型不是受控实体d类型通常是一个不重要的东西。 数据类型在任何方面都是不可控制的，它们由numpy自动断言，并且只能在更改数据帧或numpy数组中的数据时更改

这就是说，以浮点而不是int作为数据类型结束的典型原因是在series或numpy数组中引入了NaN值。有人说这是一只熊猫抓住了你。我个人认为这是因为熊猫和努比之间的（太）紧密耦合

一般来说，数据类型在任何事情上都不应该被信任，因为它们非常不可靠。我认为，如果每个与numpy/熊猫一起工作的人都不接触数据类型，他们的生活会更好

---

如果你真的讨厌浮动，据我所知，你唯一的选择就是使用字符串表示，这当然在大多数情况下会导致更多的问题。

从引擎盖下面看，

Pandas

稀疏帧实现在

Pandas.sparse.frame

我们看到

astype（）

方法仍在等待从0.18.0版开始实施

当我们有一些适当的实现时，

dtype

的转换应该像

pandas.core.frame

（pandas

DataFrame

）那样工作。给定一个Pandas

DataFrame

df

我们可以将其转换为

sparsaframe

并指定

dtype

df.to_sparse().astype(dtype)

---

ATM，

sparaFrame

对

dtype

没有太多支持，但目前正在开发中。请参阅我打开的这一期。

谢谢您精彩的解释。我想知道：“如果我使用

df.fillna（0），“使用float而不是int作为数据类型结束的典型原因是在序列或numpy数组中引入了NaN值”。为了避免以NaN值结束，我使用了
df.fillna（0）。然而，这并不能解决问题。我是否错过了阅读您的解释中的字里行间内容？numpy不会自动将dtype浮点更改为dtype int，因为其中没有NaN值。显然，在.to_sparse（）转换中的某个点上存在NaN值。您可以尝试添加一个
.astype（int）
，最后，它会将数据类型更改为int，但这是另一个会影响性能的步骤。感谢您的解释！