我最近开始学习PyTables并发现它非常有趣。我的问题是：
谢谢大家。
答案 0 :(得分：19)
对于庞大的数据集，PyTables相对于数据库的基本优势是什么？
实际上， 是一个数据库。当然，它是一个分层数据库，而不是像dbm这样的1级键值数据库（显然灵活性要低得多）或像sqlite3这样的关系数据库（它们更强大，但更复杂）
但是，与非数字特定数据库相比，主要的优势与比普通Python ndarray的优势list完全相同。它针对执行大量矢量化数值运算进行了优化，因此，如果您正在使用它，那么它将花费更少的时间和空间。
此套餐的基本用途是什么
引自the front page的第一行（或者，如果您愿意，引用the FAQ的第一行）：
PyTables是一个用于管理分层数据集的软件包，旨在高效，轻松地处理大量数据。
还有一个页面列出MainFeatures，链接在首页顶部附近。
（我可以在NumPy和Pandas中进行相同的结构化，那么PyTables的重要性是什么？）
真的？你可以在只有16GB内存的机器上处理numpy或pandas中的64GB数据吗？还是32位机器？
不，你不能。除非您将数据拆分为一堆独立的集合，您可以根据需要加载，处理和保存 - 但这会更加复杂，而且速度会慢得多。这就像问你为什么需要numpy时，你可以用常规的Python列表和迭代器做同样的事情。当你拥有8个浮点数组时，纯Python很棒，但是当你拥有10000x10000数组时，它们就不是了。当你有几个10000x10000阵列时，numpy很棒，但是当你有十几个互连阵列时，它们的大小不超过20GB。
分析大数据集真的有用吗？
是
任何人都可以借助任何例子来详细说明......
是。这里不是复制所有示例，为什么不直接查看文档首页上的简单示例，源代码树中的大量示例，实际用例的链接从前面点击两次文档的页面等？
如果你想让自己相信PyTables的用处，可以采用任何一个例子并将其扩展到32GB的数据，然后试着弄清楚你是如何在numpy或pandas中做同样的事情。 / p>