pandas处理hdf5文件

什么是HDF5

HDF5：Hierarchical Data Format Version 5，对于存储大规模、具有相同类型的数据，HDF5是一种非常不错的存储格式，文件后缀名为h5。这种格式的文件的存储和读取速度非常快，并且我们可以把HDF5文件看成是一个"目录"，它是分层次的，我们来看看如何操作。

创建和读取HDF5文件

import pandas as pd
import numpy as np

hdf5 = pd.HDFStore("hello.h5", mode="w", complevel=9)
"""
path: 文件路径
mode: 和python的open函数中的mode一致
complevel: 压缩级别，默认是0到9。值越大，压缩程度越高，那么最终形成的文件所占的体积越小，但是相应的，在读取的时候用的解压缩的时间就越长
"""
# 打印是一个HDFStore对象
print(hdf5)  # <class 'pandas.io.pytables.HDFStore'>

# 存储数据，可以直接使用赋值的方式
hdf5["series"] = pd.Series([1, 2, 3, 4, 5])
hdf5["dataframe"] = pd.DataFrame(np.random.randint(3, 10, size=(8, 4)))
# 除此之外，还可以使用put的方式
"""
hdf5.put("series", pd.Series([1, 2, 3, 4, 5]))
hdf5.put("dataframe", pd.DataFrame(np.random.randint(3, 10, size=(8, 4))))

put函数里面支持如下参数：
key：写入数据的key
value：写入数据的value
format：指定写出的模式，指定为"fixed"，那么速度会快，但是不支持追加和查询。指定为"table"，会以表格的模式写出，速度稍慢，但是支持追加和查询操作
"""

# 我们可以通过items来查看相应属性，类似于字典的items
print(list(hdf5.items()))
"""
File path: hello.h5

[('/dataframe', /dataframe (Group) ''
  children := ['axis0' (CArray), 'axis1' (CArray), 'block0_values' (CArray), 'block0_items' (CArray)]), ('/series', /series (Group) ''
  children := ['index' (CArray), 'values' (CArray)])]
"""
# items不太好看，我们来看keys，查看keys，但是注意：没有values
# 我们发现key是类似于目录一样的东西，名字就是我们设置的名字
# 所以我们可以把HDF5看成是目录，里面不同的目录对应不同的内容
print(hdf5.keys())  # ['/dataframe', '/series']

# 查看元素直接调用即可
print(hdf5["dataframe"])
"""
   0  1  2  3
0  4  8  5  6
1  4  6  7  9
2  6  3  9  4
3  8  9  3  9
4  6  6  3  4
5  6  9  9  8
6  4  8  9  6
7  9  5  8  8
"""

# 删除某个key，调用remove
hdf5.remove("series")
print(hdf5.keys())  # ['/dataframe']

# 如果想将数据保存到本地，那么调用close方法即可
hdf5.close()
# 查看数据流是否开启，返回False代表关闭了
print(hdf5.is_open)  # False

# 另外创建HDF5文件，除了使用HDFStore，还可以通过先有的DataFrame进行操作。需要指定路径和key
# df.to_hdf("xx.h5", key="key")

下面来看看如何读取文件

import pandas as pd
import numpy as np

# 将mode改成r即可
hdf5 = pd.HDFStore("hello.h5", mode="r")
# 或者
"""
hdfs = pd.read_hdf("hello.h5", key="xxx")
"""
# 至于操作我们上面已经介绍了

hdf5这种格式是一种非常不错的格式，它无论是在存储方面和读取方面，文件大小和读取数据都比csv强不少，因此如果要存储大量的数据的话，那么hdf5这种文件格式是一种非常不错的选择。