我应该如何使用h5py lib存储时间序列数据

Question

我有一些时间序列数据，我之前使用pytables存储为hdf5文件。我最近尝试用h5py lib存储它。但是，由于numpy数组的所有元素必须具有相同的dtype，因此在使用float64存储之前，我必须将日期（通常是索引）转换为“h5py”类型库。 当我使用pytables时，会保留索引及其dtype，这使我可以查询时间序列而无需将其全部拉入内存。我猜h5py这是不可能的。我在这里遗漏了什么吗？如果没有，我应该在什么情况下使用h5py lib存储时间序列数据？我问这个问题的原因，清楚这可以帮助我设计一个更有效（处理和存储明智）的项目。

下面是简单的代码，我必须丢失索引信息才能将其存储为单个dtype对象

dt_range = pd.date_range('2016-12-01','2016-12-10')
data = np.arange(0,20).reshape(-1,2)
df = pd.DataFrame(data,index = dt_range, columns = list('ab'), dtype = 'float')
df.index  = df.index.to_julian_date()
df = df.reset_index()
h = h5py.File(r'path\temp.h5', 'w')
dset = h.create_dataset('temp',data = df.values, shape = (10,3))

Answer 1

我使用pandas to_hdf

dt_range = pd.date_range('2016-12-01','2016-12-10')
data = np.arange(0,20).reshape(-1,2)
df = pd.DataFrame(data,index = dt_range, columns = list('ab'), dtype = 'float')
df.index  = df.index.to_julian_date()
df = df.reset_index()

with pd.HDFStore('temp.h5', 'w') as h:
    df.to_hdf(h, 'temp')

pd.read_hdf('temp.h5', 'temp')

Answer 2

当我运行@piRSquared代码，并使用h5py查看该文件时，我看到：

In [4]: import h5py
In [5]: f=h5py.File('temp.h5')

In [8]: list(f.keys())
Out[8]: ['temp']
In [9]: f['temp']
Out[9]: <HDF5 group "/temp" (4 members)>
In [10]: list(f['temp'].keys())
Out[10]: ['axis0', 'axis1', 'block0_items', 'block0_values']

In [11]: f['temp']['axis0'][:]
Out[11]: 
array([b'index', b'a', b'b'], 
      dtype='|S5')
In [12]: f['temp']['axis1'][:]
Out[12]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int64)
In [13]: f['temp']['block0_items'][:]
Out[13]: 
array([b'index', b'a', b'b'], 
      dtype='|S5')
In [14]: f['temp']['block0_values'][:]
Out[14]: 
array([[  2.45772350e+06,   0.00000000e+00,   1.00000000e+00],
       [  2.45772450e+06,   2.00000000e+00,   3.00000000e+00],
       [  2.45772550e+06,   4.00000000e+00,   5.00000000e+00],
       [  2.45772650e+06,   6.00000000e+00,   7.00000000e+00],
       [  2.45772750e+06,   8.00000000e+00,   9.00000000e+00],
       [  2.45772850e+06,   1.00000000e+01,   1.10000000e+01],
       [  2.45772950e+06,   1.20000000e+01,   1.30000000e+01],
       [  2.45773050e+06,   1.40000000e+01,   1.50000000e+01],
       [  2.45773150e+06,   1.60000000e+01,   1.70000000e+01],
       [  2.45773250e+06,   1.80000000e+01,   1.90000000e+01]])

因此，它已将索引信息保存为3个系列，而另一个值保存为2d numpy数组。

这是我希望从pytables创建的文件中看到的同类信息。

根据它的文档，pd.HDFStore正在使用pytables。