![](/img/trans.png)
[英]How does one store a Pandas DataFrame as an HDF5 PyTables table (or CArray, EArray, etc.)?
[英]How to store wide tables in pytables / hdf5
我有来自csv的数据,它有几千列和一万(左右)行。 在每列中,数据具有相同的类型,但不同的列具有不同类型的数据*。 以前我一直在从numpy和磁盘上存储数据,但它很慢,特别是因为通常我想加载一些列的子集而不是所有列。
我想使用pytables将数据放入hdf5,我的第一种方法是将数据放在一个表中,每个csv列有一个hdf5列。 不幸的是,这不起作用,我假设因为512(软)列限制。
存储此数据的合理方法是什么?
*我的意思是,从文本转换后的数据类型。
事实上,这可能不会以天真的方式进行。 HDF5为每个数据集的元数据分配64 kb的空间。 该元数据包括列的类型。 因此,虽然列数是一个软限制,但在2-3万个范围内,您通常会用尽空间来存储元数据(取决于列名的长度等)。
此外,numpy不会将列数限制为32? 你现在如何用numpy代表数据? 你可以进入一个numpy数组的任何东西应该对应一个pytables数组类。
也许您可以在不降低性能的情况下增加列数。 见: http : //www.pytables.org/docs/manual-2.2.1/apc.html
C.1.1。 建议的最大值
MAX_COLUMNS
Maximum number of columns in Table objects before a PerformanceWarning is issued. This limit is somewhat arbitrary and can be increased.
如果你想要这条路线,只需找到pytables目录中的parameters.py文件并更改MAX_COLUMNS值。
你应该能够使用pandas数据帧,它可以保存到磁盘而无需转换为csv
恕我直言,这取决于您之后想要对数据做什么,以及您一次需要多少。 我不得不在不久前建立一个统计验证程序,我们有两种方法:
对于我们两个使用postgres。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.