问题描述
在Pandas中，如何检查DataFrame的稀疏程度？有可用的功能，还是我需要编写自己的功能？
现在，我有这个：
df = pd.DataFrame({'a':[1,1,3],'b':[0,1],'c':[4,0],'d':[0,3,0]})
a b c d
0 1 0 4 0
1 0 0 0 0
2 1 0 0 3
3 1 0 0 0
4 3 1 0 0
sparsity = sum((df == 0).astype(int).sum())/df.size
将零的数量除以元素的总数，在此示例中为0.65。
想知道是否有更好的方法可以做到这一点。并且，如果有任何函数可以提供有关稀疏度的更多信息（例如NaN，则其他任何重要数字，例如-1）。
解决方法
解决方案的一个主意是将其转换为numpy数组，进行比较并使用mean：
a = (df.to_numpy() == 0).mean()
print (a)
0.65
如果想使用Sparse dtypes，可以使用：
#convert each column to SparseArray
sparr = df.apply(pd.arrays.SparseArray)
print (sparr)
a b c d
0 1 0 4 0
1 0 0 0 0
2 1 0 0 3
3 1 0 0 0
4 3 1 0 0
print (sparr.dtypes)
a Sparse[int64,0]
b Sparse[int64,0]
c Sparse[int64,0]
d Sparse[int64,0]
dtype: object
print (sparr.sparse.density)
0.35