文件读取与存储

pandas的API支持众多的文件格式，如CSV、SQL、XLS、JSON、HDF5。

CSV

• pandas.read_csv(filepath_or_buffer, sep =',' )
  • filepath_or_buffer:文件路径
  • usecols:指定读取的列名，列表形式
  • sep-分割字符 默认','

# 读取文件,并且指定只获取'open', 'close'指标
data = pd.read_csv("./data/stock_day.csv", usecols=['open', 'close'])

• to_csv
  • DataFrame.to_csv(path_or_buf=None, sep=', ’, columns=None, header=True, index=True, mode='w', encoding=None)
    • path_or_buf :string or file handle, default None
    • sep :character, default ‘,’
    • columns :sequence, optional
    • mode:'w'：重写, 'a' 追加
    • index:是否写进行索引
    • header :boolean or list of string, default True,是否写进列索引值

---

HDF5

HDF5文件的读取和存储需要指定一个键，值为要存储的DataFrame

从h5文件当中读取数据

• pandas.read_hdf(path_or_buf，key =None，** kwargs)
  • path_or_buffer:文件路径
  • key:读取的键
  • return:Theselected object
• DataFrame.to_hdf(path_or_buf, key, \kwargs)
  • key:指定保存的键名

---

JSON

• read_json—读取文件

  • orient--指定读取数据的字典格式
  • records—一行一个记录
  • lines—是否分行--一个记录一行

• DataFrame.to_json(path_or_buf=None, orient=None, lines=False)

  • 将Pandas 对象存储为json格式
  • path_or_buf=None：文件地址
  • orient:存储的json形式，
  • lines:一个对象存储为一行

• to_json--存储文件—注意:lines=True

---

优先选择使用HDF5文件存储

• HDF5在存储的时候支持压缩，使用的方式是blosc，这个是速度最快的也是pandas默认支持的
• 使用压缩可以提磁盘利用率，节省空间
• HDF5还是跨平台的，可以轻松迁移到hadoop 上面