pandas.Panel.to_hdf

Panel.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 связанных объектов, к которым можно получить доступ как к группе, так и как к отдельным объектам.

Для добавления другой 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 таким 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. Быстрая запись/чтение. Не может быть добавлен, ни проиндексирован. ‘table’: формат таблицы. Запись как структуры PyTables Table, что может быть медленнее, но позволяет более гибкие операции, такие как поиск/выбор подмножеств данных. append : bool, default False Для форматов таблиц 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, чтобы использовать все столбцы. По умолчанию индексируются только оси объекта. См. Запрос с помощью столбцов данных. Применимо только к format='table'. complevel : {0-9}, optional Указывает 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 не указан компрессор: ‘blosc:blosclz’): {‘blosc:blosclz’, ‘blosc:lz4’, ‘blosc:lz4hc’, ‘blosc:snappy’, ‘blosc:zlib’, ‘blosc:zstd’}. Указание библиотеки сжатия, которая недоступна, приводит к ошибке ValueError. fletcher32 : bool, default False При применении сжатия используйте контрольную сумму 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. Обратитесь к аргументу errors в open() для получения 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 sql-таблицу.

DataFrame.to_feather

Запись данных 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')