Python Pandas read_hdf按日期和时间范围查询

我有一个关于如何在pd.read_hdf函数中过滤结果的问题。这里是设置，我有一个pandas数据帧（带有np.datetime64索引），我把它放在一个hdf5文件中。这里没有什么新奇的东西，所以没有层次结构或任何东西（也许我可以合并它？）。下面是一个例子：

                              Foo          Bar
TIME                                         
2014-07-14 12:02:00            0            0
2014-07-14 12:03:00            0            0
2014-07-14 12:04:00            0            0
2014-07-14 12:05:00            0            0
2014-07-14 12:06:00            0            0
2014-07-15 12:02:00            0            0
2014-07-15 12:03:00            0            0
2014-07-15 12:04:00            0            0
2014-07-15 12:05:00            0            0
2014-07-15 12:06:00            0            0
2014-07-16 12:02:00            0            0
2014-07-16 12:03:00            0            0
2014-07-16 12:04:00            0            0
2014-07-16 12:05:00            0            0
2014-07-16 12:06:00            0            0

现在，我使用以下命令将其存储到.h5中：

store = pd.HDFStore('qux.h5')
#generate df
store.append('data', df)
store.close()

下一步，我将有另一个进程访问此数据，我希望获取此数据的日期/时间切片。因此，假设我希望日期介于2014-07-14和2014-07-15之间，并且只在12:02:00和12:04:00之间。目前，我正在使用以下命令检索此文件：

pd.read_hdf('qux.h5', 'data', where='index >= 20140714 and index <= 20140715').between_time(start_time=datetime.time(12,2), end_time=datetime.time(12,4))

虽然最终结果完全相同，但在后台所做的事情却不一样。所以我的问题是，有没有一种方法可以将时间范围过滤器（即between_time（））合并到where语句中？或者，如果有其他方法，我应该结构我的hdf5文件？也许每天都要准备一张桌子

谢谢

编辑：

---

关于使用层次结构，我知道结构应该高度依赖于我将如何使用数据。但是，如果我们假设I定义了每个日期的表（例如“df/date_20140714”、“df/date_20140715”、…）。在这里我可能又错了，但使用我查询日期/时间范围的示例；我可能会受到性能方面的影响，因为如果我想要合并输出，我需要读取每个表，并且必须合并它们。

请参阅使用

这里有一个例子

In [50]: pd.set_option('max_rows',10)

In [51]: df = DataFrame(np.random.randn(1000,2),index=date_range('20130101',periods=1000,freq='H'))

In [52]: df
Out[52]: 
                            0         1
2013-01-01 00:00:00 -0.467844  1.038375
2013-01-01 01:00:00  0.057419  0.914379
2013-01-01 02:00:00 -1.378131  0.187081
2013-01-01 03:00:00  0.398765 -0.122692
2013-01-01 04:00:00  0.847332  0.967856
...                       ...       ...
2013-02-11 11:00:00  0.554420  0.777484
2013-02-11 12:00:00 -0.558041  1.833465
2013-02-11 13:00:00 -0.786312  0.501893
2013-02-11 14:00:00 -0.280538  0.680498
2013-02-11 15:00:00  1.533521 -1.992070

[1000 rows x 2 columns]

In [53]: store = pd.HDFStore('test.h5',mode='w')

In [54]: store.append('df',df)

In [55]: c = store.select_column('df','index')

In [56]: where = pd.DatetimeIndex(c).indexer_between_time('12:30','4:00')

In [57]: store.select('df',where=where)
Out[57]: 
                            0         1
2013-01-01 00:00:00 -0.467844  1.038375
2013-01-01 01:00:00  0.057419  0.914379
2013-01-01 02:00:00 -1.378131  0.187081
2013-01-01 03:00:00  0.398765 -0.122692
2013-01-01 04:00:00  0.847332  0.967856
...                       ...       ...
2013-02-11 03:00:00  0.902023  1.416775
2013-02-11 04:00:00 -1.455099 -0.766558
2013-02-11 13:00:00 -0.786312  0.501893
2013-02-11 14:00:00 -0.280538  0.680498
2013-02-11 15:00:00  1.533521 -1.992070

[664 rows x 2 columns]

In [58]: store.close()

有几点需要注意。这将读取整个索引以开始。通常这不是负担。如果是的话，你可以直接读它（提供启动/停止，尽管这有点像手册）。当前

select\u列

我认为您也不能接受查询

如果您有大量数据（数千万行，很宽），那么您可以在几天内进行迭代（并执行单独的查询），这可能会更有效

---

重新编译数据相对便宜（通过

concat

），所以不要害怕子查询（尽管这样做太多也会拖累性能）。

是否可以将其与常规字符串

where

子句组合，例如，如果我还想按

“sym='RIC'

进行过滤？

pd.read_hdf('qux.h5', 'data')['20140714':'20140715']

In [50]: pd.set_option('max_rows',10)

In [51]: df = DataFrame(np.random.randn(1000,2),index=date_range('20130101',periods=1000,freq='H'))

In [52]: df
Out[52]: 
                            0         1
2013-01-01 00:00:00 -0.467844  1.038375
2013-01-01 01:00:00  0.057419  0.914379
2013-01-01 02:00:00 -1.378131  0.187081
2013-01-01 03:00:00  0.398765 -0.122692
2013-01-01 04:00:00  0.847332  0.967856
...                       ...       ...
2013-02-11 11:00:00  0.554420  0.777484
2013-02-11 12:00:00 -0.558041  1.833465
2013-02-11 13:00:00 -0.786312  0.501893
2013-02-11 14:00:00 -0.280538  0.680498
2013-02-11 15:00:00  1.533521 -1.992070

[1000 rows x 2 columns]

In [53]: store = pd.HDFStore('test.h5',mode='w')

In [54]: store.append('df',df)

In [55]: c = store.select_column('df','index')

In [56]: where = pd.DatetimeIndex(c).indexer_between_time('12:30','4:00')

In [57]: store.select('df',where=where)
Out[57]: 
                            0         1
2013-01-01 00:00:00 -0.467844  1.038375
2013-01-01 01:00:00  0.057419  0.914379
2013-01-01 02:00:00 -1.378131  0.187081
2013-01-01 03:00:00  0.398765 -0.122692
2013-01-01 04:00:00  0.847332  0.967856
...                       ...       ...
2013-02-11 03:00:00  0.902023  1.416775
2013-02-11 04:00:00 -1.455099 -0.766558
2013-02-11 13:00:00 -0.786312  0.501893
2013-02-11 14:00:00 -0.280538  0.680498
2013-02-11 15:00:00  1.533521 -1.992070

[664 rows x 2 columns]

In [58]: store.close()