Question

我正在阅读csv示例文件并将其存储在.h5数据库中。 .csv的结构如下：

User_ID;Longitude;Latitude;Year;Month;String
267261661;-3.86580025;40.32170825;2013;12;hello world
171255468;-3.83879575;40.05035005;2013;12;hello world
343588169;-3.70759531;40.4055946;2014;2;hello world
908779052;-3.8356385;40.1249459;2013;8;hello world
289540518;-3.6723114;40.3801642;2013;11;hello world
635876313;-3.8323166;40.3379393;2012;10;hello world
175160914;-3.53687933;40.35101274;2013;12;hello world 
155029860;-3.68555076;40.47688417;2013;11;hello world

我将它放在带有pandas to_hdf的.h5商店中，选择只传递给.h5几列：

import pandas as pd

df = pd.read_csv(filename + '.csv', sep=';')

df.to_hdf('test.h5','key1',format='table',data_columns=['User_ID','Year'])

我使用HDFStore和read_hdf在.h5文件中存储的列中获得了不同的结果，特别是：

store = pd.HDFStore('test.h5')
>>> store
>>> <class 'pandas.io.pytables.HDFStore'>
File path: /test.h5
/key1            frame_table  (typ->appendable,nrows->8,ncols->6,indexers->[index],dc->[User_ID,Year])

这是我期望的（只有＆＃39; User_ID＆＃39;和＃39;年份＆＃39;列存储在数据库中），尽管ncols-＆gt; 6表示实际上所有列都已存在存储在.h5文件中。

如果我尝试用pd.read_hdf读取文件：

hdf = pd.read_hdf('test.h5','key1')

并要求输入密钥：

hdf.keys()
>>> Index([u'User_ID', u'Longitude', u'Latitude', u'Year', u'Month', u'String'], dtype='object')

这不是我预期的，因为原始.csv文件的所有列仍在.h5数据库中。如何只在.h5中存储选择的列以减小数据库的大小？

感谢您的帮助。

Answer 1

只需在写入文件时选择列。

cols_to_keep = ['User_ID', 'Year']
df[cols_to_keep].to_hdf(...)

pandas - 如何仅将选定的DataFrame列保存到HDF5

1 个答案: