Python 难以获取HDF5表数据中的多个列

我是hdf5新手，尝试将数据帧行存储为hdf5格式。我要在文件中的不同位置追加一行；但是，每次我附加它时，它都会显示在单个列中的数组中，而不是显示在多个列中的单个值中

我试过h5py和熊猫，看起来熊猫是更好的选择。此外，我还尝试了很多不同的方法。诚然，任何帮助都将不胜感激

这里是我多次向hdf5文件发送一个数组

作为pd进口熊猫
将numpy作为np导入
数据=np.零（（1,48），数据类型=浮点）
columnName=['Hello'+str（y）表示（x，y），np.ndenumerate（数据）中的项]
df=pd.DataFrame（数据=数据，列=列名）
file=pd.HDFStore（'file.hdf5'，mode='a'，complevel=9，comlib='blosc'）
对于范围（0,11）内的x：
file.put（'/data'，df，column_data=columnName，append=True，format=table'）

这似乎很管用：

In [247]: store.put('foo',df,append=True,format='table')                               
In [248]: store.put('foo',df,append=True,format='table')                               
In [249]: store.put('foo',df,append=True,format='table')                               
In [250]: store['foo']                                                                 
Out[250]: 
   Hello0  Hello1  Hello2  Hello3  Hello4  ...  Hello43  Hello44  Hello45  Hello46  Hello47
0     0.0     0.0     0.0     0.0     0.0  ...      0.0      0.0      0.0      0.0      0.0
0     0.0     0.0     0.0     0.0     0.0  ...      0.0      0.0      0.0      0.0      0.0
0     0.0     0.0     0.0     0.0     0.0  ...      0.0      0.0      0.0      0.0      0.0

[3 rows x 48 columns]

---

不确定追加和放置之间是否有区别/区别是什么。。。但两者似乎都起作用。此外，它似乎正在创建一个非常大的文件（不是使用此伪代码）。。。关于压缩技术有什么建议吗？h5py似乎更适合创建压缩数据。熊猫似乎生成了很多额外的元数据，或者至少是占用了很多额外空间的东西。。。。有一个为每个组生成的_i_表文件夹。有没有办法摆脱这种情况？数据帧有行和列索引以及其他元数据。但与2d值数组相比，这些值应该很小。M+N vs M*Nyeah由于某种原因，这个“\u i\u tables”在文件中占用了大量空间。它似乎在为生成表的每一列数据收集统计数据，我没有。这个

\u表中有什么？
i
代表索引吗？
表格
格式（与
固定
相反）应该是可追加和可搜索的。这些额外的能力可能是有代价的——无论是在时间上还是在空间上。
In [247]: store.put('foo',df,append=True,format='table')                               
In [248]: store.put('foo',df,append=True,format='table')                               
In [249]: store.put('foo',df,append=True,format='table')                               
In [250]: store['foo']                                                                 
Out[250]: 
   Hello0  Hello1  Hello2  Hello3  Hello4  ...  Hello43  Hello44  Hello45  Hello46  Hello47
0     0.0     0.0     0.0     0.0     0.0  ...      0.0      0.0      0.0      0.0      0.0
0     0.0     0.0     0.0     0.0     0.0  ...      0.0      0.0      0.0      0.0      0.0
0     0.0     0.0     0.0     0.0     0.0  ...      0.0      0.0      0.0      0.0      0.0

[3 rows x 48 columns]