Python 使用另一个pandas数据帧更新存储在Pytable中的pandas数据帧

我试图创建一个函数，用pandas数据帧中的新数据更新存储在PyTable中的pandas数据帧。我想检查PyTable中是否缺少特定DatetimeIndexes的某些数据（值为NaN或新的时间戳可用），将其替换为给定数据帧中的新值，并将其附加到PyTable中。基本上，只需更新一个Pytable。我可以使用Pandas中的combine_first方法获得组合数据帧。 下面是使用虚拟数据创建的Pytable：

这样就创建了pytable。假设我有另一个数据帧，我想用它更新Pytable：

问题是PyTable保留原始值，而不更新现有值。我现在有重复的条目（按索引），因为原始值不会被覆盖

总结： 如何使用另一个数据帧更新PyTable

谢谢，

---

Elv当前不支持此操作

PyTables

支持

update

方法，但未在pandas中实现

最简单的方法是使用

mode='w'

并编写一个新文件，或者

store.remove（键）；store.append（…）

HDF5

不是“常规”数据库，更新也不是常见操作，如果需要的话，SQL可能是一个选项

---

请随时请求

更新

作为一个增强问题。

最后，我自己发现了。在我的例子中，当“combine_first”获得原始值和新值时可以覆盖整个节点时，可以使用

而不是

---

事实上，这是我暂时的解决办法。谢谢你的信息

import pandas as pd
import numpy as np
import datetime as dt
index = pd.DatetimeIndex(start = dt.datetime(2001,1,1,0,0), periods = 20000,freq='10T')
data_in_pytable = pd.DataFrame(index=index,data=np.random.randn(20000,2),columns=['value_1','value_2'])
data.to_hdf(r'C:\pytable.h5','test',mode='r+',append=True,complevel=9,complib='zlib')

new_index = pd.DatetimeIndex(start = dt.datetime(2001,5,1,0,0), periods = 10000,freq='10T')
data_to_update=pd.DataFrame(index=new_index,data=np.random.randn(10000,2),columns=['value_1','value_2'])
store=pd.HDFStore(r'C:\pytable.h5',mode='r+',complevel=9,complib='zlib')
store.append('test',store.select('test').combine_first(data_to_update))
store.close()

store.put(key,value,table=True,append=False) 

store.append(key,value).