[英]Pandas to_hdf succeeds but then read_hdf fails
熊猫to_hdf
成功,但是当我使用自定义对象作为列标题时, read_hdf
失败(我使用自定义对象,因为我需要在其中存储其他信息)。
有什么办法可以使这项工作吗? 还是只是Pandas错误或PyTables错误?
例如,在下面的示例中,我将首先显示一个使用字符串列标题的DataFrame foo
,并且一切都可以通过to_hdf
/ read_hdf
,但随后将foo更改为将自定义Col
类用于列标题, to_hdf
仍然可以正常工作,但随后read_hdf
引发断言错误:
In [48]: foo = pd.DataFrame(np.random.randn(2, 3), columns = ['aaa', 'bbb', 'ccc'])
In [49]: foo
Out[49]:
aaa bbb ccc
0 -0.434303 0.174689 1.373971
1 -0.562228 0.862092 -1.361979
In [50]: foo.to_hdf('foo.h5', 'foo')
In [51]: bar = pd.read_hdf('foo.h5', 'foo')
In [52]: bar
Out[52]:
aaa bbb ccc
0 -0.434303 0.174689 1.373971
1 -0.562228 0.862092 -1.361979
In [52]:
In [53]: class Col(object):
...: def __init__(self, name, other_info):
...: self.name = name
...: self.other_info = other_info
...: def __str__(self):
...: return self.name
...:
In [54]: foo = pd.DataFrame(np.random.randn(2, 3), columns = [Col('aaa', {'z': 5}), Col('bbb', {'y': True}), Col('ccc', {})])
In [55]: foo
Out[55]:
aaa bbb ccc
0 -0.830503 1.066178 1.057349
1 0.406967 -0.131430 1.970204
In [56]: foo.to_hdf('foo.h5', 'foo')
In [57]: bar = pd.read_hdf('foo.h5', 'foo')
---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
<ipython-input-57-888b061a1d2c> in <module>()
----> 1 bar = pd.read_hdf('foo.h5', 'foo')
/.../python3.4/site-packages/pandas/io/pytables.py in read_hdf(path_or_buf, key, **kwargs)
330
331 try:
--> 332 return store.select(key, auto_close=auto_close, **kwargs)
333 except:
334 # if there is an error, close the store
/.../python3.4/site-packages/pandas/io/pytables.py in select(self, key, where, start, stop, columns, iterator, chunksize, auto_close, **kwargs)
672 auto_close=auto_close)
673
--> 674 return it.get_result()
675
676 def select_as_coordinates(
/.../python3.4/site-packages/pandas/io/pytables.py in get_result(self, coordinates)
1366
1367 # directly return the result
-> 1368 results = self.func(self.start, self.stop, where)
1369 self.close()
1370 return results
/.../python3.4/site-packages/pandas/io/pytables.py in func(_start, _stop, _where)
665 return s.read(start=_start, stop=_stop,
666 where=_where,
--> 667 columns=columns, **kwargs)
668
669 # create the iterator
/.../python3.4/site-packages/pandas/io/pytables.py in read(self, **kwargs)
2792 blocks.append(blk)
2793
-> 2794 return self.obj_type(BlockManager(blocks, axes))
2795
2796 def write(self, obj, **kwargs):
/.../python3.4/site-packages/pandas/core/internals.py in __init__(self, blocks, axes, do_integrity_check, fastpath)
2180 self._consolidate_check()
2181
-> 2182 self._rebuild_blknos_and_blklocs()
2183
2184 def make_empty(self, axes=None):
/.../python3.4/site-packages/pandas/core/internals.py in _rebuild_blknos_and_blklocs(self)
2271
2272 if (new_blknos == -1).any():
-> 2273 raise AssertionError("Gaps in blk ref_locs")
2274
2275 self._blknos = new_blknos
AssertionError: Gaps in blk ref_locs
更新 :
因此,Jeff回答了(a)“不支持此功能”和(b)“如果有元数据,则将其写入属性”。
关于(a)的问题1:我的列标题对象具有返回其属性的方法,等等。例如,代替我必须解析出值的列标题字符串'x5y3z8',我可以简单地执行col_header.x(给出5)col_header.y(给出3)等。这是非常面向对象的和pythonic的,而不是使用字符串来存储信息,并且每次都必须解析它来检索信息。 您如何建议以一种不错的方式替换当前的列标题对象(也支持)?
(顺便说一句,您可能会看'x5y3z8'并认为层次结构索引有效,但事实并非如此,因为并非每个列标题都是'x#y#z#'。我可能有一串字符串'foo',另一列是字符串ints的“ bar5baz7”和浮点数的另一个“ x5y3z8”。列标题不一致。)
关于(a)的问题2:当您说它不被支持时,您是专门在谈论to_hdf / read_hdf不支持它,还是您实际上是在说熊猫一般不支持它? 如果仅缺少HDF5支持,那么我可以切换到其他将DataFrame保存到磁盘并使它工作的方法,对吗? 您预见到将来会出现任何问题吗? 例如,这是否会与to_pickle / read_pickle一起打破? (我失去了表现,但不得不放弃一些,对吧?)
关于(b)的问题3:“如果您有元数据,则将其写入属性”是什么意思。 属性是什么? 一个简单的例子将对我有很大帮助。 我是熊猫的新手。 谢谢!
这不是受支持的功能。
这将在下一个版本的熊猫(写作中)中以format='table'
。 也应该fixed
,但是没有实现。 根本不支持,也不可能支持。 您应该只使用字符串。 如果您有元数据,则将其写入属性。
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.