pandas.Series.to_hdf

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

Запись содержащихся данных в файл HDF5 с использованием HDFStore.

Иерархический формат данных (HDF) является самоописывающим, позволяя приложению интерпретировать структуру и содержимое файла без дополнительной информации. Один HDF-файл может содержать набор связанных объектов, к которым можно обращаться как к группе или отдельным объектам.

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

Дополнительную информацию можно найти 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, а если файла не существует, он создаётся. ‘r+’: аналогично ‘a’, но файл должен уже существовать. format : {‘fixed’, ‘table’}, default ‘fixed’ Возможные значения: ‘fixed’: Фиксированный формат. Быстрая запись/чтение. Не допускается добавление, а также поиск. ‘table’: Табличный формат. Запись как структура 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, чтобы использовать все столбцы. По умолчанию индексируются только оси объекта. См. Запрос по столбцам 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 будет 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, вызывает 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 в формате feather для DataFrame.

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')