pandas HDFストアのマルチインデックステーブルにクエリを実行しようとしましたが、インデックスとdata_columnsに対して同時にクエリを使用すると失敗します。これは、の場合にのみ発生しdata_columns=True
ます。これが予想されるかどうか、またはdata_columnsを明示的に指定したくない場合に回避する方法はありますか?
次の例を参照してください。インデックスが有効な参照として認識されていないようです。
import pandas as pd
import numpy as np
file_path = 'D:\\test_store.h5'
np.random.seed(1234)
pd.set_option('display.max_rows',4)
# simulate some data
index = pd.MultiIndex.from_product([np.arange(10000,10200),
pd.date_range('19800101',periods=500)],
names=['id','date'])
df = pd.DataFrame(dict(id2=np.random.randint(0, 1000, size=len(index)),
w=np.random.randn(len(index))),
index=index).reset_index().set_index(['id', 'date'])
# store the data
store = pd.HDFStore(file_path,mode='a',complib='blosc', complevel=9)
store.append('df_dc_None', df, data_columns=None)
store.append('df_dc_explicit', df, data_columns=['id2', 'w'])
store.append('df_dc_True', df, data_columns=True)
store.close()
# query the data
start = '19810201'
print(pd.read_hdf(file_path,'df_dc_None', where='date>start & id=10000'))
print(pd.read_hdf(file_path,'df_dc_True', where='id2>500'))
print(pd.read_hdf(file_path,'df_dc_explicit', where='date>start & id2>500'))
try:
print(pd.read_hdf(file_path,'df_dc_True', where='date>start & id2>500'))
except ValueError as err:
print(err)
確かに興味深い質問です!
私は(なぜ私たちが使用している場合、インデックス列がインデックス化していない以下の違いを説明することはできませんdata_columns=None
(デフォルトの原因にdocstring
するHDFStore.append
方法)と使用したときに我々は彼らがインデックス化されていませんdata_columns=True
)。
In [114]: store.get_storer('df_dc_None').table
Out[114]:
/df_dc_None/table (Table(100000,), shuffle, blosc(9)) ''
description := {
"index": Int64Col(shape=(), dflt=0, pos=0),
"values_block_0": Int32Col(shape=(1,), dflt=0, pos=1),
"values_block_1": Float64Col(shape=(1,), dflt=0.0, pos=2),
"date": Int64Col(shape=(), dflt=0, pos=3),
"id": Int64Col(shape=(), dflt=0, pos=4)}
byteorder := 'little'
chunkshape := (1820,)
autoindex := True
colindexes := {
"date": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"id": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"index": Index(6, medium, shuffle, zlib(1)).is_csi=False}
In [115]: store.get_storer('df_dc_True').table
Out[115]:
/df_dc_True/table (Table(100000,), shuffle, blosc(9)) ''
description := {
"index": Int64Col(shape=(), dflt=0, pos=0),
"values_block_0": Int64Col(shape=(1,), dflt=0, pos=1),
"values_block_1": Int64Col(shape=(1,), dflt=0, pos=2),
"id2": Int32Col(shape=(), dflt=0, pos=3),
"w": Float64Col(shape=(), dflt=0.0, pos=4)}
byteorder := 'little'
chunkshape := (1820,)
autoindex := True
colindexes := {
"w": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"index": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"id2": Index(6, medium, shuffle, zlib(1)).is_csi=False}
注:colindexes
上記の出力で注意してください。
しかし、次の簡単なハックを使用して、これを「修正」できます。
In [116]: store.append('df_dc_all', df, data_columns=df.head(1).reset_index().columns)
In [118]: store.get_storer('df_dc_all').table
Out[118]:
/df_dc_all/table (Table(100000,), shuffle, blosc(9)) ''
description := {
"index": Int64Col(shape=(), dflt=0, pos=0),
"id": Int64Col(shape=(), dflt=0, pos=1),
"date": Int64Col(shape=(), dflt=0, pos=2),
"id2": Int32Col(shape=(), dflt=0, pos=3),
"w": Float64Col(shape=(), dflt=0.0, pos=4)}
byteorder := 'little'
chunkshape := (1820,)
autoindex := True
colindexes := {
"w": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"date": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"id": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"index": Index(6, medium, shuffle, zlib(1)).is_csi=False,
"id2": Index(6, medium, shuffle, zlib(1)).is_csi=False}
小切手:
In [119]: pd.read_hdf(file_path,'df_dc_all', where='date>start & id2>500')
Out[119]:
id2 w
id date
10000 1981-02-02 935 0.245637
1981-02-04 994 0.291287
... ... ...
10199 1981-05-11 680 -0.370745
1981-05-12 812 -0.880742
[10121 rows x 2 columns]
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
コメントを追加