2

PyTables 库和 HDFStore 对象（基于 PyTables）都为用户提供索引。

仅对于 PyTables，我们创建一个 HDF5 文件如下（来自文档）：

from tables import *

class Particle(IsDescription):
    identity = StringCol(itemsize=22, dflt=" ", pos=0)  # character String
    idnumber = Int16Col(dflt=1, pos = 1)  # short integer
    speed    = Float32Col(dflt=1, pos = 2)  # single-precision

# Open a file in "w"rite mode
fileh = open_file("objecttree.h5", mode = "w")

# Get the HDF5 root group
root = fileh.root

# Create the groups
group1 = fileh.create_group(root, "group1")
group2 = fileh.create_group(root, "group2")

# Now, create an array in root group
array1 = fileh.create_array(root, "array1", ["string", "array"], "String array")

# Create 1 new tables in group1
table1 = fileh.create_table(group1, "table1", Particle)

# Get the record object associated with the table:
row = table1.row

# Fill the table with 10 records
for i in xrange(10):
    # First, assign the values to the Particle record
    row['identity']  = 'This is particle: %2d' % (i)
    row['idnumber'] = i
    row['speed']  = i * 2.

    # This injects the Record values
    row.append()

# Flush the table buffers
table.flush()

# Finally, close the file (this also will flush all the remaining buffers!)
fileh.close()

用户使用“Column.create_index()”索引列

例如：

indexrows = table.cols.var1.create_index() 
indexrows = table.cols.var2.create_index() 
indexrows = table.cols.var3.create_index()

对于后一种情况，用户实例化一个 HDFStore 对象，然后选择要索引的列。

store = HDFStore('file1.hd5')
key = "key_name"
index_columns = ["column1", "column2"]
store.append(key,... data_columns=index_columns)

在这里，我们对两列进行索引，这应该会优化我们的搜索。

两个问题：

（1）我实际上不清楚PyTables示例（第一个示例）中如何设置索引（索引）。上面没有定义列。在我看来，有三个字段：身份、身份证号码、速度。假设我想为速度和身份建立一个索引。如何做到这一点？

(2) 基于 pandas 的索引和基于 PyTables 的索引之间是否有任何基准？一个比另一个快吗？一个是否比另一个占用更多的磁盘空间（即更大的 HDF5 文件）？

4

0 回答 0