当前位置： 首页 > news >正文

做单页网站需要做什么的,动漫制作专业累吗,app软件定制研发,公众号关注目录 一、用法精讲 28、pandas.HDFStore.keys函数 28-1、语法 28-2、参数 28-3、功能 28-4、返回值 28-5、说明 28-6、用法 28-6-1、数据准备 28-6-2、代码示例 28-6-3、结果输出 29、pandas.HDFStore.groups函数 29-1、语法 29-2、参数 29-3、功能 29-4、返回…目录 一、用法精讲 28、pandas.HDFStore.keys函数 28-1、语法 28-2、参数 28-3、功能 28-4、返回值 28-5、说明 28-6、用法 28-6-1、数据准备 28-6-2、代码示例 28-6-3、结果输出 29、pandas.HDFStore.groups函数 29-1、语法 29-2、参数 29-3、功能 29-4、返回值 29-5、说明 29-6、用法 29-6-1、数据准备 29-6-2、代码示例 29-6-3、结果输出  30、pandas.HDFStore.walk函数 30-1、语法 30-2、参数 30-3、功能 30-4、返回值 30-5、说明 30-6、用法 30-6-1、数据准备 30-6-2、代码示例 30-6-3、结果输出  二、推荐阅读 1、Python筑基之旅 2、Python函数之旅 3、Python算法之旅 4、Python魔法之旅 5、博客个人主页 一、用法精讲 28、pandas.HDFStore.keys函数 28-1、语法

28、pandas.HDFStore.keys函数

HDFStore.keys(includepandas) Return a list of keys corresponding to objects stored in HDFStore.Parameters: include str, default ‘pandas’ When kind equals ‘pandas’ return pandas objects. When kind equals ‘native’ return native HDF5 Table objects.Returns: list List of ABSOLUTE path-names (e.g. have the leading ‘/’).Raises: raises ValueError if kind has an illegal value. 28-2、参数 28-2-1、include(可选)用于控制返回的键的类型或格式。         include参数允许你指定一个过滤器以限制keys()方法返回的键的类型它接受以下值之一(或其组合通过列表或元组提供) 28-2-1-1、all(默认值)返回所有类型的键。28-2-1-2、group仅返回组(HDF5中的目录或容器)的键。28-2-1-3、table或dataframe仅返回以表格形式存储的DataFrame的键(HDF5 中的表格)。28-2-1-4、fixed或series或scalar仅返回以固定格式存储的Series或单个值的键。 28-3、功能 返回存储在HDF5文件中所有对象的键(即名称)的列表。 28-4、返回值 返回一个包含字符串的列表每个字符串都是一个存储在HDF5文件中的对象的键(名称)这些键是对象的绝对路径名通常以/开头。 28-5、说明 HDF5(Hierarchical Data Format version 5)是一种用于存储和组织大量数据的文件格式它特别适合于存储和组织大量科学数据。 28-6、用法 28-6-1、数据准备 无 28-6-2、代码示例

28、pandas.HDFStore.keys函数

import pandas as pd

假设example.h5是你的HDF5文件名

with pd.HDFStore(example.h5) as store:# 获取所有键all_keys store.keys()# 过滤出仅包含DataFrame的键df_keys [key for key in all_keys if store.get_storer(key).is_table]# 过滤出仅包含Series的键series_keys [key for key in all_keys if not store.get_storer(key).is_table]# 如果你想同时获取DataFrame和Series的键可以这样做all_pandas_keys df_keys series_keys if name main:# 打印结果以供检查print(fDataFrame keys: {df_keys})print(fSeries keys: {series_keys})print(fAll keys: {all_pandas_keys}) 28-6-3、结果输出

28、pandas.HDFStore.keys函数

DataFrame keys: [/data]

Series keys: []

All keys: [/data]

29、pandas.HDFStore.groups函数 29-1、语法

29、pandas.HDFStore.groups函数

HDFStore.groups() Return a list of all the top-level nodes.Each node returned is not a pandas storage object.Returns: list List of objects. 29-2、参数 无 29-3、功能 用于列出存储在HDF5文件中的所有组(或称为“目录”或“容器”)的信息。 29-4、返回值 HDFStore.groups()方法的返回值通常包含以下信息 29-4-1、组名每个组的名称它通常是一个字符串表示HDF5文件中的路径。 29-4-2、键每个组内包含的键(即对象的名称)这些键对应于存储在组中的DataFrame、Series或其他pandas对象。 29-4-3、子组如果有的话还可能包含关于子组的信息。不过请注意并不是所有的实现都会返回子组信息这取决于pandas的版本和HDF5文件的结构。 29-5、说明 无       29-6、用法 29-6-1、数据准备 无 29-6-2、代码示例

29、pandas.HDFStore.groups函数

import pandas as pd import numpy as np

创建一些示例数据

df1 pd.DataFrame(np.random.randn(10, 4), columnslist(ABCD)) df2 pd.DataFrame(np.random.randn(10, 4), columnslist(EFGH)) series1 pd.Series(np.random.randn(10), nameseries1)

创建并写入数据到HDF5文件

with pd.HDFStore(example.h5) as store:store.put(dataframe1, df1)store.put(dataframe2, df2)store.put(series1, series1)

使用HDFStore.groups()列出文件中的所有组

with pd.HDFStore(example.h5) as store:groups store.groups()print(Groups in HDF5 file:)for group in groups:print(group) 29-6-3、结果输出 

29、pandas.HDFStore.groups函数

Groups in HDF5 file:

/data (Group)

/dataframe1 (Group)

/dataframe2 (Group)

/series1 (Group)

30、pandas.HDFStore.walk函数 30-1、语法

30、pandas.HDFStore.walk函数

HDFStore.walk(where/) Walk the pytables group hierarchy for pandas objects.This generator will yield the group path, subgroups and pandas object names for each group.Any non-pandas PyTables objects that are not a group will be ignored.The where group itself is listed first (preorder), then each of its child groups (following an alphanumerical order) is also traversed, following the same procedure.Parameters: where str, default “/” Group where to start walking.Yields: path str Full path to a group (without trailing ‘/’).groups list Names (strings) of the groups contained in path.leaves list Names (strings) of the pandas objects contained in path. 30-2、参数 30-2-1、where(可选默认值为/)字符串指定了遍历的起始位置。默认为根目录(/)意味着从HDF5文件的根开始遍历你可以指定任何有效的路径来从文件的某个特定部分开始遍历。 30-3、功能 用于遍历存储在HDF5文件中的键(keys)或节点(nodes)。 30-4、返回值 返回一个生成器(generator)它会产生一个包含两个元素的元组(tuple)(key, group)。 30-4-1、key: 当前遍历到的键(或路径)的字符串表示。 30-4-2、group: 一个pandas._libs.lib.H5Group对象表示当前遍历到的组(或数据集)。注意对于数据集(dataset)这个对象可能不是非常有用因为HDF5的组(group)和数据集(dataset)在pandas的HDFStore中以不同的方式处理。 30-5、说明 无 30-6、用法 30-6-1、数据准备 无 30-6-2、代码示例

30、pandas.HDFStore.walk函数

import pandas as pd import numpy as np

创建一个示例HDF5文件

file_path example.h5 with pd.HDFStore(file_path, modew) as store:# 写入一些数据store.put(df1, pd.DataFrame(np.random.randn(10, 4), columnslist(ABCD)))store.put(df2, pd.DataFrame(np.random.randn(10, 4), columnslist(WXYZ)))store.put(subdir/df3, pd.DataFrame(np.random.randn(10, 4), columnslist(JKLM)))

使用walk方法遍历HDF5文件

with pd.HDFStore(file_path, moder) as store:print(Walking through the HDF5 file structure:)for root, dirs, files in store.walk(where/):print(fRoot: {root})print(fDirectories: {dirs})print(fFiles: {files})print(- * 40) 30-6-3、结果输出 

30、pandas.HDFStore.walk函数

Walking through the HDF5 file structure:

Root:

Directories: [subdir]

Files: [df1, df2]

—————————————-

Root: /subdir

Directories: []

Files: [df3]

—————————————-

二、推荐阅读 1、Python筑基之旅 2、Python函数之旅 3、Python算法之旅 4、Python魔法之旅 5、博客个人主页