如何使用HDF文件(固定格式，多个密钥)作为 pandas 数据帧？ [英] How to work with HDF file (fixed format, multiple keys) as a pandas dataframe?

问题描述

我得到了一个使用PANDA创建的20 GB HDF5文件，但不幸的是，它是以固定格式(而不是表)编写的，每一列都写为一个单独的键。这对于快速加载一个功能非常有效，但它不支持方便的面向表格的过程(例如，统计分析或绘图)。

尝试将文件作为一个整体加载时出现以下错误：

ValueError: key must be provided when HDF5 file contains multiple datasets。

f=pd.read_hdf('file_path')

ValueError                             Traceback (most recent call last)

384             for group_to_check in groups[1:]:
385                 if not _is_metadata_of(group_to_check, candidate_only_group):

--> 386                     raise ValueError('key must be provided when HDF5 file '
    387                                      'contains multiple datasets.')
    388             key = candidate_only_group._v_pathname

ValueError: key must be provided when HDF5 file contains multiple datasets.

不幸的是，‘key’不接受python列表，所以我不能一次加载所有内容。有没有办法把h5文件从‘固定’转换成‘表’？或者一次性将文件加载到数据帧中？目前，我的解决方案是分别加载每一列，并将其追加到一个空的数据框中。

推荐答案

我不知道按列加载df列的任何其他方法，但您可以使用HDFStore而不是read_hdf自动执行此操作：

with pd.HDFStore(filename) as h5:
    df = pd.concat(map(h5.get, h5.keys()), axis=1)

示例：

#save df as multiple datasets
df = pd.DataFrame({'a': [1,2], 'b': [10,20]})
df.a.to_hdf('/tmp/df.h5', 'a', mode='w', format='fixed')
df.b.to_hdf('/tmp/df.h5', 'b', mode='a', format='fixed')

#read columns and concat to dataframe    
with pd.HDFStore('/tmp/df.h5') as h5:
    df1 = pd.concat(map(h5.get, h5.keys()), axis=1)

#verify
assert all(df1 == df)

这篇关于如何使用HDF文件(固定格式，多个密钥)作为 pandas 数据帧？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！