Question

我有一个与csv文件对象一起使用的算法

#diplay_id, ad_id, clicked(1 or 0)
colls = {'display_id':np.int32,
         'ad_id':np.int32,
         'clicked':bool}
trainData = pd.read_csv("trainData.csv")

for did, ad, c in trainData.itertuples():
    print did + ad + c #example

但是，现在我有一个＆＃39; .h5＆＃39;文件，我想在算法中使用它。我正在阅读文件，如下所示;

store = pd.HDFStore('data.h5')

但据我所知HDFStore返回np数组。您是否有任何想法在算法中使用数据文件？

Answer 1

这种情况的主要区别在于HDF5文件可能包含多个DF /表，因此您必须始终指定密钥（标识符）。

这是一个小型演示：

In [14]: fn = r'C:\Temp\test_str.h5'

In [15]: store = pd.HDFStore(fn)

In [16]: store
Out[16]:
<class 'pandas.io.pytables.HDFStore'>
File path: C:\Temp\test_str.h5
/test            frame_table  (typ->appendable,nrows->10000,ncols->4,indexers->[index],dc->[a,c])

在这种情况下，只有一个DF（key = /test）存储在此HDF5文件中。

假设您的所有HDF5文件只有一个DF（每个文件一个键），您可以通过选择第一个键动态处理它们：

In [17]: store.keys()
Out[17]: ['/test']

In [18]: key = store.keys()[0]

In [19]: key
Out[19]: '/test'

In [20]: store[key].head()
Out[20]:
        a       b       c                                                txt
0  689347  129498  770470  XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX...
1  954132   97912  783288  XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX...
2   40548  938326  861212  XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX...
3  869895   39293  242473  XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX...
4  938918  487643  362942  XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX...

如何读取像csv文件的h5文件

1 个答案: