pandas.Series.to_hdf

Series.to_hdf(path_or_buf, key, mode='a', complevel=None, complib=None, append=False, format=None, index=True, min_itemsize=None, nan_rep=None, dropna=None, data_columns=None, errors='strict', encoding='UTF-8')[source]

Записывает содержащиеся данные в файл HDF5 с помощью HDFStore.

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

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

Предупреждение

Можно сохранить подкласс DataFrame или Series в HDF5, но тип подкласса теряется при сохранении.

Для получения дополнительной информации см. руководство пользователя.

Parameters

path_or_buf:str или pandas.HDFStore

Путь к файлу или объект HDFStore.

key:str

Идентификатор группы в хранилище.

mode:{‘a’, ‘w’, ‘r+’}, по умолчанию ‘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 файл не существует, он создается.

• ‘r+’: аналогично ‘a’, но файл должен уже существовать.

complevel:{0-9}, по умолчанию None

Указывает уровень сжатия данных. Значение 0 или None отключает сжатие.

complib:{‘zlib’, ‘lzo’, ‘bzip2’, ‘blosc’}, по умолчанию ‘zlib’

Указывает библиотеку сжатия, которая должна использоваться. Начиная с версии 0.20.2, поддерживаются дополнительные компрессоры для Blosc (по умолчанию, если сжатие не указано: ‘blosc:blosclz’): {‘blosc:blosclz’, ‘blosc:lz4’, ‘blosc:lz4hc’, ‘blosc:snappy’, ‘blosc:zlib’, ‘blosc:zstd’}. Если указана библиотека сжатия, которая недоступна, возникает ValueError.

append:bool, по умолчанию False

Для форматов таблиц, добавляет входные данные к существующим.

format:{‘fixed’, ‘table’, None}, по умолчанию ‘fixed’

Возможные значения:

• ‘fixed’: фиксированный формат. Быстрое чтение/запись. Не допускает добавления или поиска.

• ‘table’: формат таблицы. Записывает данные как структуру PyTables Table, что может работать медленнее, но позволяет выполнять более гибкие операции, такие как поиск/выбор подмножеств данных.

• Если None, проверяется pd.get_option(‘io.hdf.default_format’), а затем используется по умолчанию “fixed”.

index:bool, по умолчанию True

Записывает индекс DataFrame в качестве столбца.

min_itemsize:dict или int, необязательно

Сопоставляет имена столбцов с минимальными размерами строк для столбцов.

nan_rep:любой, необязательно

Как представлять пропущенные значения в виде строки. Не разрешено при append=True.

dropna:bool, по умолчанию False, необязательно

Удаляет пропущенные значения.

data_columns:список столбцов или True, необязательно

Список столбцов, которые следует создать как индексированные столбцы данных для запросов на диске, или True для использования всех столбцов. По умолчанию индексируются только оси объекта. См. Запрос по столбцам данных для получения дополнительной информации. Применим только к format=’table’.

errors:str, по умолчанию ‘strict’

Указывает, как обрабатывать ошибки кодирования и декодирования. См. аргумент errors для open() для получения полного списка вариантов.

encoding:str, по умолчанию “UTF-8”

См. также

read_hdf

Чтение из файла HDF.

DataFrame.to_orc

Запись DataFrame в двоичный формат orc.

DataFrame.to_parquet

Запись DataFrame в двоичный формат parquet.

DataFrame.to_sql

Запись в SQL таблицу.

DataFrame.to_feather

Выгрузка данных DataFrame в формате feather.

DataFrame.to_csv

Запись в файл csv.

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')  

Можно добавить другой объект в тот же файл:

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

Чтение из файла HDF:

>>> 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