python - 在 Pandas 中迭代写入 HDF5 存储

Question

Pandas有以下示例说明如何在 HDF5 文件中存储 Series、DataFrames 和 Panels:

准备一些数据:

In [1142]: store = HDFStore('store.h5')

In [1143]: index = date_range('1/1/2000', periods=8)

In [1144]: s = Series(randn(5), index=['a', 'b', 'c', 'd', 'e'])

In [1145]: df = DataFrame(randn(8, 3), index=index,
   ......:                columns=['A', 'B', 'C'])
   ......:

In [1146]: wp = Panel(randn(2, 5, 4), items=['Item1', 'Item2'],
   ......:            major_axis=date_range('1/1/2000', periods=5),
   ......:            minor_axis=['A', 'B', 'C', 'D'])
   ......:

将其保存在商店中:

In [1147]: store['s'] = s

In [1148]: store['df'] = df

In [1149]: store['wp'] = wp

检查商店里有什么:

In [1150]: store
Out[1150]: 
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/df            frame        (shape->[8,3])  
/s             series       (shape->[5])    
/wp            wide         (shape->[2,5,4])

关闭商店:

In [1151]: store.close()

问题:

1. 在上面的代码中，数据是什么时候真正写入磁盘的？

2. 假设我想将位于 .csv 文件中的数千个大型数据帧添加到单个 .h5 文件中。我需要加载它们并将它们一一添加到 .h5 文件中，因为我无法将它们一次全部存储在内存中，因为它们会占用太多内存. HDF5可以做到这一点吗？正确的做法是什么？

3. Pandas 文档说明如下:

   "These stores are not appendable once written (though you simply remove them and rewrite). Nor are they queryable; they must be retrieved in their entirety."

   不可追加也不可查询是什么意思？另外，不应该说一次close而不是written吗？

Answer 1

1. 语句一执行，例如store['df'] = df。 close 只是关闭实际文件(如果进程存在，它将为您关闭，但会打印一条警告消息)

2. 阅读 http://pandas.pydata.org/pandas-docs/dev/io.html#storing-in-table-format 部分

   在 .h5 文件中放置大量节点通常不是一个好主意。您可能希望追加并创建较少数量的节点。

   您可以逐一遍历您的 .csv 和 store/append 它们。比如:

   for f in files:
     df = pd.read_csv(f)
     df.to_hdf('file.h5',f,df)
   

   将是一种方式(为每个文件创建一个单独的节点)

3. 不可附加 - 一旦你写了它，你只能一次检索它，例如你不能选择一个小节

   如果您有一张 table ，那么您可以执行以下操作:

   pd.read_hdf('my_store.h5','a_table_node',['index>100'])
   

   类似于数据库查询，只获取部分数据

   因此，存储不可追加，也不可查询，而表既可追加，也不可查询。