Python HDFStore更新存储的HDF5数据帧

我有两个数据帧，

df1

存储在

pd.HDFStore

对象中，另一个数据帧将附加到数据帧中

store = pd.HDFStore('dataframe_store.h5')

df1 = pd.DataFrame(np.empty((100, 5)))
df2 = pd.DataFrame(np.empty((100, 5)))

store['df1'] = df1

实际上，我希望最终结果等于

store['df1'] = df1.append(df2)

我想将

df2

附加到存储的

df1

，而不是使用新的数据帧完全覆盖

HDFStore

对象。这可能吗

此外，当我运行以下代码时，我返回

ValueError只能附加到表中

。。。为什么会这样

df = pd.DataFrame(np.empty((1000, 5)))
df2 = pd.DataFrame(np.empty((1000, 5)))

store = pd.HDFStore('store.h5')

store['df'] = df

store.append('df', df2)

Per（我的重点）：

HDFStore支持磁盘上的另一种PyTables格式，即表 格式。从概念上讲，表的形状非常类似于数据帧，包含行和行 列可以在相同或其他会话中追加表格。此外 支持删除和查询类型操作。此格式由指定 format='table'或format='t'追加或放入或到\u hdf

版本0.13中的新功能

此格式可以设置为一个选项以及pd.set_选项（'io.hdf.default_format'，'table'），以启用put/append/to_hdf to默认以表格格式存储

[361]中的

：store=pd.HDFStore（'store.h5'））
In[362]：df1=df[0:4]
在[363]中：df2=df[4:]
#追加数据（自动创建表）
[364]中的store.append（'df'，df1）
[365]中的store.append（'df'，df2）
在[366]中：存储
出[366]：
文件路径：store.h5
#选择整个对象
在[367]中：存储。选择（'df'）
Out[367]：
A、B、C
2000-01-01  0.887163  0.859588 -0.636524
2000-01-02  0.015696 -2.242685  1.150036
2000-01-03  0.991946  0.953324 -2.021255
2000-01-04 -0.334077  0.002118  0.405453
2000-01-05  0.289092  1.321158 -1.546906
2000-01-06 -0.202646 -0.655969  0.193421
2000-01-07  0.553439  1.318152 -0.469305
2000-01-08  0.675554 -1.817027 -0.183109
#存储数据的类型
在[368]中：store.root.df.\u v\u attrs.pandas\u type
Out[368]：“frame_table”

注意：您还可以通过将format='table'或format='t'传递给put操作来创建表

---

我正在查看文档，并且能够找到它，但是如果您能详细说明为什么

store.append（'df'，df2）

返回

ValueError:只能追加到表中

？？您的

hdf5

文件必须在中创建（与相反）。使用

df.to_hdf（文件名，'df'，mode='w'，format='table'）

创建它，或者设置

pd.set_选项（'io.hdf.default_format'，'table'）

，以便

format='table'

是默认格式。

In [361]: store = pd.HDFStore('store.h5')

In [362]: df1 = df[0:4]

In [363]: df2 = df[4:]

# append data (creates a table automatically)
In [364]: store.append('df', df1)

In [365]: store.append('df', df2)

In [366]: store
Out[366]: 
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5

# select the entire object
In [367]: store.select('df')
Out[367]: 
                   A         B         C
2000-01-01  0.887163  0.859588 -0.636524
2000-01-02  0.015696 -2.242685  1.150036
2000-01-03  0.991946  0.953324 -2.021255
2000-01-04 -0.334077  0.002118  0.405453
2000-01-05  0.289092  1.321158 -1.546906
2000-01-06 -0.202646 -0.655969  0.193421
2000-01-07  0.553439  1.318152 -0.469305
2000-01-08  0.675554 -1.817027 -0.183109

# the type of stored data
In [368]: store.root.df._v_attrs.pandas_type
Out[368]: 'frame_table'