在HDF中附加多索引数据帧

Question

以当日收盘股票数据为例：

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这种数据存储到HDF5中。

1. 不要更改DataFrame并将其保存为df.to_hdf((以区别按日期命名的组
2. 将不同的库存拆分为系列，并按名称或更好地按属性为"Name"的"Code"构建表
3. 仅在一个组中附加多索引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、最灵活的。但有了secound解决方案，似乎更容易为每家公司添加基本面等新信息。有没有一个我还不知道的更好的折衷方案？

主要问题(第三种方法(：

我用这段代码在每一个新的日子里附加层次数据帧：

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')

该表将被替换而不是展开。怎么了？

Answer 1

我的主要问题的答案很简单：

喜欢这里：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：

我认为使用第三种方法是可以的，因为在光盘上查询带有pandas HDFStore对象的多索引数据帧很容易：

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

为了添加像comany basics这样的新数据，我只需在HDF文件中添加一个新的表对象。然后我查询这两个表，并用panda做进一步的分析。