pandas.Series.to_hdf #
- 系列。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 ,错误= '严格' ,编码= 'UTF-8' ) [来源] #
使用 HDFStore 将包含的数据写入 HDF5 文件。
分层数据格式 (HDF) 是自描述的,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 文件可以保存一组相关对象,这些对象可以作为一组或单个对象进行访问。
为了将另一个 DataFrame 或 Series 添加到现有 HDF 文件,请使用追加模式和不同的键。
警告
可以存储 HDF5 的子类
DataFrame
或Series
HDF5 的子类,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。
- 关键字符串
商店中群组的标识符。
- 模式{'a', 'w', 'r+'}, 默认 'a'
打开文件的方式:
'w':写入,创建一个新文件(同名的现有文件将被删除)。
'a':追加,打开现有文件进行读写,如果文件不存在则创建。
'r+':与'a'类似,但文件必须已经存在。
- 编译级别{0-9},默认无
指定数据的压缩级别。值为 0 或 None 会禁用压缩。
- complib {'zlib', 'lzo', 'bzip2', 'blosc'}, 默认 'zlib'
指定要使用的压缩库。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。
- 附加布尔值,默认 False
对于表格式,将输入数据附加到现有数据。
- 格式{'fixed', 'table', None}, 默认 'fixed'
可能的值:
'固定':固定格式。快速写作/阅读。不可附加,也不可搜索。
'table':表格格式。编写为 PyTables 表结构,其性能可能较差,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”。
- 索引bool,默认 True
将 DataFrame 索引写为列。
- min_itemsize dict 或 int,可选
将列名称映射到列的最小字符串大小。
- nan_rep任意,可选
如何将 null 值表示为 str。不允许使用append=True。
- dropna bool,默认 False,可选
删除缺失值。
- data_columns列列表或 True,可选
要创建为磁盘查询的索引数据列的列的列表,或者为 True 则使用所有列。默认情况下,仅对对象的轴进行索引。请参阅 通过数据列查询。了解更多信息。仅适用于format='table'。
- 错误str,默认“严格”
指定如何处理编码和解码错误。
open()
有关选项的完整列表,请参阅错误参数。- 编码str,默认“UTF-8”
也可以看看
read_hdf
从 HDF 文件读取。
DataFrame.to_orc
将 DataFrame 写入二进制 orc 格式。
DataFrame.to_parquet
将 DataFrame 写入二进制 parquet 格式。
DataFrame.to_sql
写入 SQL 表。
DataFrame.to_feather
为数据帧写出羽毛格式。
DataFrame.to_csv
写入 csv 文件。
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')
我们可以将另一个对象添加到同一个文件中:
>>> s = pd.Series([1, 2, 3, 4]) >>> s.to_hdf('data.h5', key='s')
从 HDF 文件读取:
>>> 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