Python酷库之旅-第三方库Pandas(012)

CSDN 2024-07-11 13:35:06 阅读 66

目录

一、用法精讲

28、pandas.HDFStore.keys函数

28-1、语法

28-2、参数

28-3、功能

28-4、返回值

28-5、说明

28-6、用法

28-6-1、数据准备

28-6-2、代码示例

28-6-3、结果输出

29、pandas.HDFStore.groups函数

29-1、语法

29-2、参数

29-3、功能

29-4、返回值

29-5、说明

29-6、用法

29-6-1、数据准备

29-6-2、代码示例

29-6-3、结果输出 

30、pandas.HDFStore.walk函数

30-1、语法

30-2、参数

30-3、功能

30-4、返回值

30-5、说明

30-6、用法

30-6-1、数据准备

30-6-2、代码示例

30-6-3、结果输出 

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

28、pandas.HDFStore.keys函数
28-1、语法

<code># 28、pandas.HDFStore.keys函数

HDFStore.keys(include='pandas')code>

Return a list of keys corresponding to objects stored in HDFStore.

Parameters:

include

str, default ‘pandas’

When kind equals ‘pandas’ return pandas objects. When kind equals ‘native’ return native HDF5 Table objects.

Returns:

list

List of ABSOLUTE path-names (e.g. have the leading ‘/’).

Raises:

raises ValueError if kind has an illegal value.

28-2、参数

28-2-1、include(可选)用于控制返回的键的类型或格式。

        include参数允许你指定一个过滤器,以限制keys()方法返回的键的类型,它接受以下值之一(或其组合,通过列表或元组提供):

28-2-1-1、'all'(默认值):返回所有类型的键。

28-2-1-2、'group':仅返回组(HDF5中的目录或容器)的键。

28-2-1-3、'table'或'dataframe':仅返回以表格形式存储的DataFrame的键(HDF5 中的表格)。

28-2-1-4、'fixed'或'series'或'scalar':仅返回以固定格式存储的Series或单个值的键。

28-3、功能

        返回存储在HDF5文件中所有对象的键(即名称)的列表。

28-4、返回值

        返回一个包含字符串的列表,每个字符串都是一个存储在HDF5文件中的对象的键(名称),这些键是对象的绝对路径名,通常以/开头。

28-5、说明

        HDF5(Hierarchical Data Format version 5)是一种用于存储和组织大量数据的文件格式,它特别适合于存储和组织大量科学数据。

28-6、用法
28-6-1、数据准备

28-6-2、代码示例

# 28、pandas.HDFStore.keys函数

import pandas as pd

# 假设'example.h5'是你的HDF5文件名

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

# 获取所有键

all_keys = store.keys()

# 过滤出仅包含DataFrame的键

df_keys = [key for key in all_keys if store.get_storer(key).is_table]

# 过滤出仅包含Series的键

series_keys = [key for key in all_keys if not store.get_storer(key).is_table]

# 如果你想同时获取DataFrame和Series的键,可以这样做

all_pandas_keys = df_keys + series_keys

if __name__ == '__main__':

# 打印结果以供检查

print(f"DataFrame keys: {df_keys}")

print(f"Series keys: {series_keys}")

print(f"All keys: {all_pandas_keys}")

28-6-3、结果输出

# 28、pandas.HDFStore.keys函数

# DataFrame keys: ['/data']

# Series keys: []

# All keys: ['/data']

29、pandas.HDFStore.groups函数
29-1、语法

# 29、pandas.HDFStore.groups函数

HDFStore.groups()

Return a list of all the top-level nodes.

Each node returned is not a pandas storage object.

Returns:

list

List of objects.

29-2、参数

        无

29-3、功能

        用于列出存储在HDF5文件中的所有组(或称为“目录”或“容器”)的信息。

29-4、返回值

        HDFStore.groups()方法的返回值通常包含以下信息:

29-4-1、组名:每个组的名称,它通常是一个字符串,表示HDF5文件中的路径。

29-4-2、键:每个组内包含的键(即,对象的名称),这些键对应于存储在组中的DataFrame、Series或其他pandas对象。

29-4-3、子组:如果有的话,还可能包含关于子组的信息。不过,请注意,并不是所有的实现都会返回子组信息,这取决于pandas的版本和HDF5文件的结构。

29-5、说明

        无      

29-6、用法
29-6-1、数据准备

29-6-2、代码示例

# 29、pandas.HDFStore.groups函数

import pandas as pd

import numpy as np

# 创建一些示例数据

df1 = pd.DataFrame(np.random.randn(10, 4), columns=list('ABCD'))

df2 = pd.DataFrame(np.random.randn(10, 4), columns=list('EFGH'))

series1 = pd.Series(np.random.randn(10), name='series1')code>

# 创建并写入数据到HDF5文件

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

store.put('dataframe1', df1)

store.put('dataframe2', df2)

store.put('series1', series1)

# 使用HDFStore.groups()列出文件中的所有组

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

groups = store.groups()

print("Groups in HDF5 file:")

for group in groups:

print(group)

29-6-3、结果输出 

# 29、pandas.HDFStore.groups函数

# Groups in HDF5 file:

# /data (Group) ''

# /dataframe1 (Group) ''

# /dataframe2 (Group) ''

# /series1 (Group) ''

30、pandas.HDFStore.walk函数
30-1、语法

# 30、pandas.HDFStore.walk函数

HDFStore.walk(where='/')code>

Walk the pytables group hierarchy for pandas objects.

This generator will yield the group path, subgroups and pandas object names for each group.

Any non-pandas PyTables objects that are not a group will be ignored.

The where group itself is listed first (preorder), then each of its child groups (following an alphanumerical order) is also traversed, following the same procedure.

Parameters:

where

str, default “/”

Group where to start walking.

Yields:

path

str

Full path to a group (without trailing ‘/’).

groups

list

Names (strings) of the groups contained in path.

leaves

list

Names (strings) of the pandas objects contained in path.

30-2、参数

30-2-1、where(可选,默认值为'/')字符串,指定了遍历的起始位置。默认为根目录('/'),意味着从HDF5文件的根开始遍历,你可以指定任何有效的路径来从文件的某个特定部分开始遍历。

30-3、功能

        用于遍历存储在HDF5文件中的键(keys)或节点(nodes)。

30-4、返回值

        返回一个生成器(generator),它会产生一个包含两个元素的元组(tuple):(key, group)。

30-4-1、key: 当前遍历到的键(或路径)的字符串表示。

30-4-2、group: 一个pandas._libs.lib.H5Group对象,表示当前遍历到的组(或数据集)。注意,对于数据集(dataset),这个对象可能不是非常有用,因为HDF5的组(group)和数据集(dataset)在pandas的HDFStore中以不同的方式处理。

30-5、说明

        无

30-6、用法
30-6-1、数据准备

30-6-2、代码示例

# 30、pandas.HDFStore.walk函数

import pandas as pd

import numpy as np

# 创建一个示例HDF5文件

file_path = 'example.h5'

with pd.HDFStore(file_path, mode='w') as store:code>

# 写入一些数据

store.put('df1', pd.DataFrame(np.random.randn(10, 4), columns=list('ABCD')))

store.put('df2', pd.DataFrame(np.random.randn(10, 4), columns=list('WXYZ')))

store.put('subdir/df3', pd.DataFrame(np.random.randn(10, 4), columns=list('JKLM')))

# 使用walk方法遍历HDF5文件

with pd.HDFStore(file_path, mode='r') as store:code>

print("Walking through the HDF5 file structure:")

for root, dirs, files in store.walk(where='/'):code>

print(f"Root: {root}")

print(f"Directories: {dirs}")

print(f"Files: {files}")

print("-" * 40)

30-6-3、结果输出 

# 30、pandas.HDFStore.walk函数

# Walking through the HDF5 file structure:

# Root:

# Directories: ['subdir']

# Files: ['df1', 'df2']

# ----------------------------------------

# Root: /subdir

# Directories: []

# Files: ['df3']

# ----------------------------------------

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页


声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。