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')[源代码]#
使用 HDFStore 将包含的数据写入 HDF5 文件。
分层数据格式 (HDF) 是自描述的，允许应用程序在没有任何外部信息的情况下解释文件的结构和内容。一个 HDF 文件可以包含一组相关对象的混合，这些对象可以作为一个组或作为individual 对象进行访问。
为了将另一个 DataFrame 或 Series 添加到现有 HDF 文件中，请使用追加模式和一个不同的键。
警告
可以将 DataFrame 或 Series 的子类存储到 HDF5 中，但子类的类型在存储时会丢失。
有关更多信息，请参阅 user guide 。
- Parameters:
- path_or_bufstr 或 pandas.HDFStore
文件路径或 HDFStore 对象。
- keystr
存储中组的标识符。
- mode{‘a’, ‘w’, ‘r+’}, 默认 ‘a’
打开文件的模式：
‘w’：写入，创建一个新文件（同名现有文件将被删除）。
‘a’：追加，打开现有文件进行读写，如果文件不存在则创建。
‘r+’：类似于 ‘a’，但文件必须已存在。
- complevel{0-9}, 默认 None
指定数据的压缩级别。值为 0 或 None 则禁用压缩。
- complib{‘zlib’, ‘lzo’, ‘bzip2’, ‘blosc’}, 默认 ‘zlib’
指定要使用的压缩库。Blosc 支持以下附加压缩器（如果未指定压缩器，则默认为 ‘blosc:blosclz’）：{‘blosc:blosclz’, ‘blosc:lz4’, ‘blosc:lz4hc’, ‘blosc:snappy’, ‘blosc:zlib’, ‘blosc:zstd’}。指定一个不可用的压缩库将引发 ValueError。
- appendbool，默认 False
对于 Table 格式，将输入数据追加到现有数据中。
- format{‘fixed’, ‘table’, None}, 默认 ‘fixed’
可能的值：
‘fixed’：固定格式。写入/读取速度快。不可追加，也不可搜索。
‘table’：表格式。以 PyTables 表结构写入，可能性能较差，但允许更灵活的操作，如搜索/选择数据子集。
如果为 None，则检查 pd.get_option(‘io.hdf.default_format’)，然后回退到 “fixed”。
- indexbool, default True
将 DataFrame 索引作为一列写入。
- min_itemsizedict 或 int，可选
将列名映射到列的最小字符串大小。
- nan_rep任意类型，可选
如何将 null 值表示为字符串。append=True 时不允许。
- dropnabool，默认 False，可选
删除缺失值。
- data_columns列名列表或 True，可选
用于在磁盘上查询的索引数据列的列名列表，或 True 表示使用所有列。默认情况下，仅索引对象的轴。有关更多信息，请参阅 Query via data columns 。仅适用于 format=’table’。
- errorsstr, 默认为 ‘strict’
指定如何处理编码和解码错误。有关选项的完整列表，请参阅
open()的 errors 参数。- encodingstr，默认 “UTF-8”
参见
read_hdf从 HDF 文件读取。
DataFrame.to_orc将 DataFrame 写入二进制 orc 格式。
DataFrame.to_parquet将 DataFrame 写入二进制 parquet 格式。
DataFrame.to_sql写入 SQL 表。
DataFrame.to_feather将 DataFrame 写入 feather 格式。
DataFrame.to_csv写入到 CSV 文件。
Examples
>>> df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, ... index=['a', 'b', 'c']) >>> df.to_hdf('data.h5', key='df', mode='w')
我们可以将另一个对象添加到同一个文件中：
>>> s = pd.Series([1, 2, 3, 4]) >>> s.to_hdf('data.h5', key='s')
从 HDF 文件读取：
>>> 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