我得到了一个使用pandas创建的20GB的HDF5文件,但不幸的是,它是以固定格式(而不是表格)编写的,每一列都写成一个单独的键。这对于快速加载一个功能很好,但它不允许方便的面向表格的程序(例如,统计分析或绘图)。
试图将文件作为一个整体来加载,会出现以下错误。
ValueError: key must be provided when HDF5 file contains multiple datasets
.
f=pd.read_hdf('file_path')
ValueError Traceback (most recent call last)
384 for group_to_check in groups[1:]:
385 if not _is_metadata_of(group_to_check, candidate_only_group):
--> 386 raise ValueError('key must be provided when HDF5 file '
387 'contains multiple datasets.')
388 key = candidate_only_group._v_pathname
ValueError: key must be provided when HDF5 file contains multiple datasets.
不幸的是,'key'不接受python列表,所以我不能简单地一次性加载所有文件。有没有办法将h5文件从 "固定 "转换为 "表格"?或者一次性将文件加载到数据框架中?目前我的解决方案是分别加载每一列,然后追加到一个空的数据框架中。
我不知道任何其他的方式,加载df列的列,但你可以大大自动化,使用 HDFStore
而不是 read_hdf
:
with pd.HDFStore(filename) as h5:
df = pd.concat(map(h5.get, h5.keys()), axis=1)
例如:
#save df as multiple datasets
df = pd.DataFrame({'a': [1,2], 'b': [10,20]})
df.a.to_hdf('/tmp/df.h5', 'a', mode='w', format='fixed')
df.b.to_hdf('/tmp/df.h5', 'b', mode='a', format='fixed')
#read columns and concat to dataframe
with pd.HDFStore('/tmp/df.h5') as h5:
df1 = pd.concat(map(h5.get, h5.keys()), axis=1)
#verify
assert all(df1 == df)