Pandas2.2 Series
Serialization & IO & conversion
| 方法 | 描述 |
|---|---|
| Series.to_pickle(path, *[, compression, …]) | 用于将 Series 对象序列化为二进制格式并保存到文件中 |
| Series.to_csv([path_or_buf, sep, na_rep, …]) | 用于将 Series 对象以 CSV（逗号分隔值）格式保存到文件中 |
| Series.to_dict(*[, into]) | 用于将 Series 对象转换为 Python 字典 |
| Series.to_excel(excel_writer, *[, …]) | 用于将 Series 对象写入 Excel 文件 |
Series.to_frame([name]) | 用于将 Series 对象转换为 DataFrame |
| Series.to_xarray() | 用于将 Series 对象转换为 xarray 的 DataArray 对象 |
| Series.to_hdf(path_or_buf, *, key[, mode, …]) | 用于将 Series 数据保存为 HDF5 格式（一种高效存储大型科学数据的文件格式） |
pandas.Series.to_hdf
pandas.Series.to_hdf() 用于将 Series 数据保存为 HDF5 格式（一种高效存储大型科学数据的文件格式）。该方法基于 PyTables 库实现，支持压缩、追加数据、多键值存储等高级功能。
方法签名
Series.to_hdf(path_or_buf, # 文件路径或 HDFStore 对象key, # 存储的键（标识符）mode='a', # 文件模式：'a'（追加）、'w'（覆盖）、'r'（只读）complevel=None, # 压缩级别（0-9）complib=None, # 压缩库：'zlib', 'bzip2', 'lzo' 等append=False, # 是否追加到现有文件format=None, # 存储格式：'fixed'（默认，快速读写）或 'table'（可查询）index=True, # 是否保存索引min_itemsize=None, # 列的最小大小（字典形式，如 {'column': 100}）nan_rep=None, # NaN 值的表示方式（如 'null'）dropna=None, # 是否删除缺失值行（仅对 'table' 格式有效）data_columns=None, # 指定可查询的列（列表）errors='strict', # 错误处理策略encoding='UTF-8' # 字符编码
)
参数说明
| 参数 | 说明 |
|---|---|
path_or_buf | 文件路径（字符串）或已打开的 HDFStore 对象。 |
key | 存储的键名，用于后续读取时的标识符。 |
mode | 'a'（追加，默认）、'w'（覆盖）、'r'（只读）。 |
format | 'fixed'（快速存储）或 'table'（支持查询，速度较慢）。 |
complevel | 压缩级别（0-9），值越大压缩率越高，但速度越慢。 |
complib | 压缩库，如 'zlib'（默认）、'bzip2'、'lzo'。 |
data_columns | 指定为数据列的字段，支持查询（仅 'table' 格式有效）。 |
示例及结果
示例 1：基本保存与读取
import pandas as pd# 创建示例 Series
s = pd.Series([10, 20, 30], name='values', index=['a', 'b', 'c'])# 保存到 HDF5 文件
s.to_hdf('data.h5', key='series_key', mode='w')# 从 HDF5 文件读取
loaded_s = pd.read_hdf('data.h5', key='series_key')
print(loaded_s)
输出结果：
a 10
b 20
c 30
Name: values, dtype: int64
示例 2：查询数据（需 format='table'）
# 保存为可查询格式
s.to_hdf('query_data.h5', key='data', format='table', data_columns=['index'])# 使用 where 条件查询索引为 'a' 或 'c' 的数据
query_result = pd.read_hdf('query_data.h5', key='data', where='index in ["a", "c"]'
)
print(query_result)
输出结果：
a 10
c 30
Name: values, dtype: int64
注意事项
- 依赖库：需安装
tables库（pip install tables）。 - 模式冲突：若文件已存在且
mode='w'，会覆盖原有数据。 - 查询限制：
where条件仅支持format='table'格式。 - 数据类型：复杂对象（如自定义类）可能无法正确存储。
文件结构示例
HDF5 文件内容（使用 h5py 查看）：
/data.h5└── series_key (Group)└── table (Table)├── index (StringCol)└── values (Int32Col)
通过 to_hdf()，可以高效存储和查询大规模数据，适用于科学计算和数据分析场景。