23-2-1、key(必须)：字符串，表示要存储的数据在HDF5文件中的键(或路径)，这个键用于后续从文件中检索数据。

23-2-2、value(必须)：要存储的DataFrame或Series对象。

23-2-3、format(可选，默认值为None)：字符串，指定存储格式。对于表格数据，通常使用'table'，它支持更复杂的查询和数据操作。对于简单的数据，可以使用'fixed'，但它不支持查询。如果为None，则根据value的类型自动选择。

23-2-4、index(可选，默认值为True)：布尔值，指定是否将DataFrame的索引也存储在文件中。

23-2-5、append(可选，默认值为False)：布尔值，如果为True，则尝试将数据追加到已存在的键下，而不是覆盖它，这要求format='table'。

23-2-6、complib(可选，默认值为None)：字符串，指定用于压缩的库。pandas支持多种压缩库，如'zlib'、'lzo'、'blosc'等，选择合适的压缩库可以显著减少文件大小，但会增加存储和检索时间。如果为None，则不压缩。

23-2-7、complevel(可选，默认值为None)：整数，指定压缩级别。级别越高，压缩率越高，但处理速度越慢，范围从0(无压缩)到9(最大压缩)，如果complib为None，则此参数无效。

23-2-8、min_itemsize(可选，默认值为None)：字典，指定列中字符串的最小存储大小(以字节为单位)，这有助于避免在追加数据时截断字符串，键是列名，值是整数。

23-2-9、nan_rep(可选，默认值为None)：用于表示NaN值的字符串。默认为None，表示使用HDF5的NaN表示。

23-2-10、data_columns(可选，默认值为None)：列表或布尔值，指定哪些列应该作为数据列进行索引，以便可以进行快速查询。如果为True，则所有列都作为数据列；如果为False，则没有列作为数据列；如果为列表，则列表中的列名作为数据列。

23-2-11、encoding(可选，默认值为None)：字符串，指定用于写入文件的编码，这对于存储包含非ASCII字符的字符串列很有用。

23-2-12、errors(可选，默认值为'strict')：字符串，指定在编码或解码字符串时如何处理错误，'strict'表示抛出异常，'ignore'表示忽略错误，'replace'表示用占位符替换错误字符。

23-2-13、track_times(可选，默认值为True)：布尔值，如果为True，则跟踪数据的创建和修改时间，并作为元数据存储在文件中，这对于数据版本控制可能很有用。

23-2-14、dropna(可选，默认值为False)：布尔值，当与append=True一起使用时，如果为True，则在追加之前从DataFrame中删除包含NaN值的行。注意，这仅影响要追加的数据，不会影响已存储在文件中的数据。

23-3、功能

        将一个DataFrame或Series对象保存到HDF5文件中。

23-4、返回值

        没有直接的返回值，它的主要目的是将数据写入文件，而不是返回任何数据给调用者。

23-5、说明

        无      

23-6、用法

23-6-1、数据准备

# 23、pandas.HDFStore.put方法

# Retrieved DataFrame:

# A B C

# 0 1 a True

# 1 2 b False

# 2 3 c True

# 3 4 d False

# 4 5 e True

24、pandas.HDFStore.append方法

24-1、语法

# 24、pandas.HDFStore.append方法

HDFStore.append(key, value, format=None, axes=None, index=True, append=True, complib=None, complevel=None, columns=None, min_itemsize=None, nan_rep=None, chunksize=None, expectedrows=None, dropna=None, data_columns=None, encoding=None, errors='strict')code>

Append to Table in file.

Node must already exist and be Table format.

Parameters:

keystr

value{Series, DataFrame}

format‘table’ is the default

Format to use when storing object in HDFStore. Value can be one of:

'table'

Table format. Write as a PyTables Table structure which may perform worse but allow more flexible operations like searching / selecting subsets of the data.

indexbool, default True

Write DataFrame index as a column.

appendbool, default True

Append the input data to the existing.

data_columnslist of columns, or True, default None

List of columns to create as indexed data columns for on-disk queries, or True to use all columns. By default only the axes of the object are indexed. See here.

min_itemsizedict of columns that specify minimum str sizes

nan_repstr to use as str nan representation

chunksizesize to chunk the writing

expectedrowsexpected TOTAL row size of this table

encodingdefault None, provide an encoding for str

dropnabool, default False, optional

Do not write an ALL nan row to the store settable by the option ‘io.hdf.dropna_table’.

24-2、参数

<code>无

24-6-2、代码示例

# 24、pandas.HDFStore.append方法

import pandas as pd

# 创建一个示例DataFrame

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})

df2 = pd.DataFrame({'A': [4, 5, 6], 'B': ['d', 'e', 'f']})

# 将df1保存到HDF5文件中

with pd.HDFStore('example.h5') as store:

store.put('dataset', df1, format='table')code>

# 将df2追加到HDF5文件中的dataset数据集

with pd.HDFStore('example.h5') as store:

store.append('dataset', df2, format='table', index=False) # 假设我们不想追加索引code>

# 验证数据是否已追加

with pd.HDFStore('example.h5') as store:

retrieved_df = store.get('dataset')

print(retrieved_df)

# 输出将显示包含df1和df2数据的完整DataFrame

24-6-3、结果输出