Question

有关如何将csv读入pandas数据帧的大量信息，但我所拥有的是一个pyTable表，并且想要一个pandas DataFrame。

我已经找到了如何将我的pandas DataFrame 存储到 pytables ...然后阅读我想要读回来，此时它会有：

"kind = v._v_attrs.pandas_type"

我可以把它写成csv并重新阅读，但这看起来很傻。这就是我现在正在做的事情。

我应该如何将pytable对象读入pandas？

Answer 1

import tables as pt
import pandas as pd
import numpy as np

# the content is junk but we don't care
grades = np.empty((10,2), dtype=(('name', 'S20'), ('grade', 'u2')))

# write to a PyTables table
handle = pt.openFile('/tmp/test_pandas.h5', 'w')
handle.createTable('/', 'grades', grades)
print handle.root.grades[:].dtype # it is a structured array

# load back as a DataFrame and check types
df = pd.DataFrame.from_records(handle.root.grades[:])
df.dtypes

请注意你的u2（无符号2字节整数）将以i8（整数8字节）结束，并且字符串将是对象，因为Pandas还不支持可用于Numpy数组的所有dtypes。

Answer 2

文档现在包含using the HDF5 store的优秀部分，cookbook中讨论了一些更高级的策略。

现在相对简单：

In [1]: store = HDFStore('store.h5')

In [2]: print store
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
Empty

In [3]: df = DataFrame([[1, 2], [3, 4]], columns=['A', 'B'])

In [4]: store['df'] = df

In [5]: store
<class 'pandas.io.pytables.HDFStore'>
File path: store.h5
/df            frame        (shape->[2,2])

从HDF5 / pytables中检索：

In [6]: store['df']  # store.get('df') is an equivalent
Out[6]:
   A  B
0  1  2
1  3  4

您还可以query within a table。

Pytables表变成了pandas DataFrame

2 个答案: