我有一个关于如何过滤pd.read_hdf函数结果的问题。所以这里是设置,我有一个熊猫数据框(与np.datetime64索引),我把它放入一个hdf5文件。这里没有什么奇特的东西,所以没有使用层次结构或任何东西(也许我可以把它合并?)。这里有一个例子:熊猫read_hdf按日期和时间范围查询
store = pd.HDFStore('qux.h5')
#generate df
store.append('data', df)
store.close()
接下来,我将有另一个进程它访问数据,我想借此日期:
Foo Bar
TIME
2014-07-14 12:02:00 0 0
2014-07-14 12:03:00 0 0
2014-07-14 12:04:00 0 0
2014-07-14 12:05:00 0 0
2014-07-14 12:06:00 0 0
2014-07-15 12:02:00 0 0
2014-07-15 12:03:00 0 0
2014-07-15 12:04:00 0 0
2014-07-15 12:05:00 0 0
2014-07-15 12:06:00 0 0
2014-07-16 12:02:00 0 0
2014-07-16 12:03:00 0 0
2014-07-16 12:04:00 0 0
2014-07-16 12:05:00 0 0
2014-07-16 12:06:00 0 0
现在,我使用下面的命令保存到一个.h5这/这个数据的时间片。因此,假设我想要2014-07-14和2014-07-15之间的日期,并且只在12:02:00和12:04:00之间。目前我使用下面的命令来检索此:
pd.read_hdf('qux.h5', 'data', where='index >= 20140714 and index <= 20140715').between_time(start_time=datetime.time(12,2), end_time=datetime.time(12,4))
据我所知,有人请纠正我,如果我错了这里,但如果我使用'整个原始数据集不会被读入内存哪里'。所以,换句话说:
此:
pd.read_hdf('qux.h5', 'data', where='index >= 20140714 and index <= 20140715')
是不一样的:
pd.read_hdf('qux.h5', 'data')['20140714':'20140715']
虽然最终的结果是完全一样的,什么东西被在后台完成是没有的。所以我的问题是,是否有办法将时间范围过滤器(即betweenbetweentime())合并到我的where语句中?或者如果还有另一种方法我应该构建我的hdf5文件?也许每天都会储存一张桌子?
谢谢!
编辑:
采用层次结构关于,我知道的是,结构应该是高度依赖于我如何将要使用的数据。但是,如果我们假设我为每个日期定义了一个表(例如'df/date_20140714','df/date_20140715',...)。我可能再次在这里弄错了,但用我查询日期/时间范围的例子;我可能会招致性能损失,因为我需要阅读每个表,并且如果我想要合并输出,就必须合并它们。
是否可以将它与常规字符串where子句相结合,例如,如果我也想通过'“sym ='RIC'”'过滤? – 2017-08-10 09:05:28