Python pandas.Series.to_hdf用法及代码示例

用法: Series.to_hdf(path_or_buf, key, mode='a', complevel=None, complib=None, append=False, format=None, index=True, min_itemsize=None, nan_rep=None, dropna=None, data_columns=None, errors='strict', encoding='UTF-8')

使用 HDFStore 将包含的数据写入 HDF5 文件。

分层数据格式 (HDF) 是自说明的，允许应用程序在没有外部信息的情况下解释文件的结构和内容。一个 HDF 文件可以包含相关对象的组合，这些对象可以作为一个组或单个对象进行访问。

为了向现有 HDF 文件添加另一个 DataFrame 或 Series，请使用附加模式和不同的 a 键。

警告

可以将DataFrame 或Series 的子类存储到HDF5，但子类的类型在存储时会丢失。

有关详细信息，请参阅用户指南。

参数：

path_or_buf：str 或 pandas.HDFStore

文件路径或 HDFStore 对象。

key：str

商店中组的标识符。

mode：{‘a’, ‘w’, ‘r+’}, 默认 ‘a’

文件打开方式：

‘w’:write，创建一个新文件(现有的同名文件将被删除)。
‘a’:append，打开现有文件进行读写，如果文件不存在则创建。
‘r+’：类似于‘a’，但文件必须已经存在。

complevel：{0-9}，默认无

指定数据的压缩级别。值 0 或 None 禁用压缩。

complib：{‘zlib’, ‘lzo’, ‘bzip2’, ‘blosc’}，默认 ‘zlib’

指定要使用的压缩库。从 v0.20.2 开始，支持 Blosc 的这些附加压缩器(如果未指定压缩器，则默认为：'blosc:blosclz')：{'blosc:blosclz', 'blosc:lz4', 'blosc:lz4hc', 'blosc:snappy' , 'blosc:zlib', 'blosc:zstd'}。指定不可用的压缩库会引发 ValueError。

append：布尔值，默认为 False

对于表格格式，将输入数据附加到现有的。

format：{‘fixed’, ‘table’, 无}，默认 ‘fixed’

可能的值：

‘fixed’：固定格式。快速写/读。 Not-appendable，也无法搜索。
‘table’：表格格式。编写为 PyTables 表结构，其性能可能会更差，但允许更灵活的操作，例如搜索/选择数据子集。
如果没有，则检查 pd.get_option(‘io.hdf.default_format’)，然后回退到 “fixed”。

errors：str，默认 ‘strict’

指定如何处理编码和解码错误。有关选项的完整列表，请参阅 open() 的错误参数。

encoding：str，默认 “UTF-8”

min_itemsize：dict 或 int，可选

将列名映射到列的最小字符串大小。

nan_rep：任意，可选

如何将空值表示为 str。不允许使用 append=True。

data_columns：列列表或 True，可选

要创建为 on-disk 查询的索引数据列的列列表，或 True 以使用所有列。默认情况下，只有对象的轴被索引。请参阅通过数据列查询。仅适用于 format='table'。

例子：

>>> df = pd.DataFrame({'A':[1, 2, 3], 'B':[4, 5, 6]},
...                   index=['a', 'b', 'c'])  
>>> df.to_hdf('data.h5', key='df', mode='w')

我们可以在同一个文件中添加另一个对象：

>>> s = pd.Series([1, 2, 3, 4])  
>>> s.to_hdf('data.h5', key='s')

从 HDF 文件中读取：

>>> pd.read_hdf('data.h5', 'df')  
A  B
a  1  4
b  2  5
c  3  6
>>> pd.read_hdf('data.h5', 's')  
0    1
1    2
2    3
3    4
dtype:int64

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.Series.to_hdf。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。