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 pdimport numpy as nphdf5 = 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keyvalue：写入数据的valueformat：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itemsprint(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 30 4 8 5 61 4 6 7 92 6 3 9 43 8 9 3 94 6 6 3 45 6 9 9 86 4 8 9 67 9 5 8 8"""# 删除某个key，调用removehdf5.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 pdimport 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。

以上就是如何用pandas处理hdf5文件的详细内容，更多关于pandas处理hdf5文件的资料请关注其它相关文章！