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

无

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

无

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