pandas.DataFrame.to_hdf

DataFrame.to_hdf(path_or_buf, key, **kwargs) [source]

Запись содержащихся данных в HDF5-файл с помощью HDFStore.

Иерархический формат данных (HDF) является самоописательным, что позволяет приложению интерпретировать структуру и содержимое файла без внешней информации. Один HDF-файл может содержать набор взаимосвязанных объектов, к которым можно получить доступ как к группе, так и как к отдельным объектам.

Для добавления другой таблицы DataFrame или Series в существующий HDF-файл используйте режим добавления и другой ключ.

Дополнительную информацию см. в руководстве пользователя.

Параметры:

path_or_buf : str or pandas.HDFStore Путь к файлу или объект HDFStore. key : str Идентификатор группы в хранилище. mode : {‘a’, ‘w’, ‘r+’}, default ‘a’ Режим открытия файла: ‘w’: запись, создается новый файл (существующий файл с тем же именем будет удален). ‘a’: добавление, открывается существующий файл для чтения и записи, и если файла не существует, он создается. ‘r+’: аналогично ‘a’, но файл должен уже существовать. format : {‘fixed’, ‘table’}, default ‘fixed’ Возможные значения: ‘fixed’: Фиксированный формат. Быстрое чтение/запись. Недопустимо добавлять или искать. ‘table’: Табличный формат. Запись как структуры PyTables Table, которая может работать медленнее, но позволяет более гибкие операции, такие как поиск/выбор подмножеств данных. append : bool, default False Для табличных форматов добавьте входные данные к существующим. data_columns : list of columns or True, optional Список столбцов для создания индексированных столбцов данных для запросов на диске или True для использования всех столбцов. По умолчанию индексируются только оси объекта. См. Запрос с помощью столбцов данных. Применимо только для format=’table’. complevel : {0-9}, optional Устанавливает уровень сжатия данных. Значение 0 отключает сжатие. complib : {‘zlib’, ‘lzo’, ‘bzip2’, ‘blosc’}, default ‘zlib’ Указывает библиотеку сжатия, которая должна использоваться. Начиная с версии 0.20.2, поддерживаются дополнительные компрессоры для Blosc (по умолчанию, если компрессор не указан: ‘blosc:blosclz’): {‘blosc:blosclz’, ‘blosc:lz4’, ‘blosc:lz4hc’, ‘blosc:snappy’, ‘blosc:zlib’, ‘blosc:zstd’}. Если указана библиотека сжатия, которая недоступна, возникает исключение ValueError. fletcher32 : bool, default False При применении сжатия используется контрольная сумма Fletcher32. dropna : bool, default False Если True, ВСЕ строки nan не будут записаны в хранилище. errors : str, default ‘strict’ Указывает, как обрабатывать ошибки кодирования и декодирования. См. аргумент errors для open() для полного списка вариантов.

См. также

DataFrame.read_hdf

Чтение из HDF-файла.

DataFrame.to_parquet

Запись DataFrame в двоичный формат parquet.

DataFrame.to_sql

Запись в таблицу SQL.

DataFrame.to_feather

Запись DataFrame в формате feather.

DataFrame.to_csv

Запись в CSV-файл.

Примеры

>>> df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]},
...                   index=['a', 'b', 'c'])
>>> df.to_hdf('data.h5', key='df', mode='w')

Мы можем добавить другой объект в тот же файл:

>>> s = pd.Series([1, 2, 3, 4])
>>> s.to_hdf('data.h5', key='s')

Чтение из HDF-файла:

>>> pd.read_hdf('data.h5', 'df')
A  B
a  1  4
b  2  5
c  3  6
>>> pd.read_hdf('data.h5', 's')
0    1
1    2
2    3
3    4
dtype: int64

Удаление файла с данными:

>>> import os
>>> os.remove('data.h5')