Python 使用chunksize在HDFStore上迭代,并保存到新的HDFStore中
我把我所有的数据都放进了HDFStore(是的!),但如何从中取出 我已将6个数据帧保存为HDFStore中的frame_表。这些表格看起来如下所示,但长度不同(日期为朱利安日期) 然后,我从所有表格中选择日期大于2006256的值Python 使用chunksize在HDFStore上迭代,并保存到新的HDFStore中,python,pandas,pytables,Python,Pandas,Pytables,我把我所有的数据都放进了HDFStore(是的!),但如何从中取出 我已将6个数据帧保存为HDFStore中的frame_表。这些表格看起来如下所示,但长度不同(日期为朱利安日期) 然后,我从所有表格中选择日期大于2006256的值 >>> b = store.select_as_multiple(['var1','var2','var3','var4','var5','var6'], where=(pd.Term('date','>',date)), selector=
>>> b = store.select_as_multiple(['var1','var2','var3','var4','var5','var6'], where=(pd.Term('date','>',date)), selector= 'var1')
>>> b.head()
var1 var2 var3 var4 var5 var6
x_coor y_coor date
928 310 2006257 133 14987 7045 18 240 171
2006273 136 0 7327 30 253 161
2006289 125 0 -239 83 217 168
2006305 95 14604 6786 13 215 57
2006321 84 0 4548 13 133 88
这是可行的,但只适用于相对较小的.h5文件。因此,对于我的普通.h5文件,我希望使用chunksize将其临时存储在HDFStore中(因为我还需要根据此选择向其添加一个新列)。我这样想(使用):
但是只有一个块被添加到存储中。但是:
tempstore.append('test',pd.DataFrame(df))
I get ValueError:只能附加到表。我做错了什么?当您尝试使用
put
执行此操作时,它不断覆盖存储(使用最新的块),然后在追加时出现错误(因为您无法追加到storer/non表)
即:
- 编写一个单一的、不可追加的固定格式(称为
),该格式编写速度快,但不能追加,也不能查询(只能完整地获取)storer
- 创建一个
格式,这就是您在这里想要的格式(以及表格
的格式)框架表格
df
已经是一个帧
因此,如果存在以下情况,请首先执行此操作(删除存储):
if 'test' in tempstore:
tempstore.remove('test')
然后附加每个数据帧:
for df in store.select_as_multiple(.....):
tempstore.append('test', df)
感谢您提供的宝贵信息。但还没有完全解决我的问题。由于它引发了以下错误“ValueError:values\u axes]在追加数据[name->values\u block\u 0,cname->values\u block\u 0,axis->None,pos->1,kind->float]时与当前表[name->values\u block\u 0,cname->values\u block\u 0,axis->None,pos->1,kind->integer]的[values]组合无效”,我的数据是int32,但它试图将其存储为float。为什么它不复制数据结构?如果使用更大的块大小会发生什么?仅供参考默认chunksize为50kMy数据只包含int32值,但在迭代器中引入了NaN值(我不知道为什么),但不在第一个块中。因此,第一个区块存储为整数,第二个区块中获取NaN值,而store无法将NaN转换为整数将chunksize增加到50k,因为我的testdataset只包含203个值。而且输出存储不再包含NaN值。是的,有时按块存储会出现问题。很高兴它成功了
if 'test' in tempstore:
tempstore.remove('test')
for df in store.select_as_multiple(.....):
tempstore.append('test', df)