时间戳

首页 > 解决方案 > 在 HDF 中附加多索引数据帧

python - 在 HDF 中附加多索引数据帧

问题描述

以日终股票数据为例：

In [36]: df
Out[36]:
        Code                             Name     High      Low    Close  Volume  Change Change.2
0       AAAU     Perth Mint Physical Gold ETF  16.8500  16.3900  16.6900  311400  0.0000     0.02
1       AADR  Advisorshares Dorsey Wright ADR  49.8400  49.2300  49.6100   18500 -1.3000     2.54
2       AAMC                 Altisource Asset  24.0000  20.0000  23.9400    2500  0.3600     1.53
3        AAU                 Almaden Minerals   0.3987   0.3650   0.3684  355100 -0.0147     3.84
4       ABEQ       Absolute Core Strategy ETF  23.2100  22.8200  23.1100  114700 -0.1900     0.82
...      ...                              ...      ...      ...      ...     ...     ...      ...
26643   ZVLO                        Esoft Inc   0.0600   0.0600   0.0600    1000  0.0100       20
26644   ZVTK                      Zevotek Inc   0.0313   0.0209   0.0302   44900  0.0102       51
26645  ZXAIY   China Zenix Auto International   0.1534   0.1534   0.1534     200 -0.1566    50.52
26646   ZYRX            Zyrox Mining Intl Inc   0.0200   0.0181   0.0200    3000  0.0000        0
26647  ZZZOF           Zinc One Resources Inc   0.0111   0.0111   0.0111     300  0.0000        0

附加问题：

有一些不同的方法可以将此类数据存储到 HDF5。

  1. 不要更改 DataFrame 并使用 df.to_hdf() 将其保存到按日期命名的不同组中。
  2. 将不同的股票拆分为系列并按名称构建表格，或者通过带有属性“名称”的“代码”更好地构建表格
  3. 仅在一组中附加一个多索引 DataFrame。

我想在数据访问和分析的情况下，第三种解决方案将是最快和最灵活的。但是使用第二种解决方案似乎更容易为每家公司添加新信息，如基本面。有没有更好的折衷方案，我还不知道？

主要问题（第三种方式）：

我使用此代码在每个新的一天附加分层数据框：

df = pd.concat(lod, ignore_index=True)

# remove not useful dataj
df = df.drop(['Change.1', 'Change.2', 'Unnamed: 9'], axis=1)
df = df.dropna()

# append a Date column
df['Date'] = dt.datetime.today().date() - dt.timedelta(days=1)

# create multiindex
df = df.set_index(['Date', 'Code', 'Name'])

# append the data to hdf5 container
df.to_hdf(wkd + 'Database.h5', key='stocks', mode='a', format='table')

该表被替换而不是扩展。怎么了？

标签： pythonpandashdf5

解决方案

我的主要问题的答案很简单：

在这里喜欢它： https ://github.com/pandas-dev/pandas/issues/4584

只需添加 'append = True'

df.to_hdf(wkd + 'Database.h5', key='stocks', mode='a', format='table', append = True)

编辑：我目前对附加问题的回答是：

我认为可以使用第三种方式，因为使用磁盘上的 pandas HDFStore 对象很容易查询多索引数据帧：

store.select('stocks', "Code=BMWYY")

要添加新数据（如公司基础知识），我只需向 HDF 文件添加一个新表对象。然后我查询这两个表并用熊猫做进一步的分析。

推荐阅读