知识卡片
存储接口抽象层次不同
h5py接近HDF5数据集接口,PyTables进一步提供表、索引与查询等抽象;pandas的HDFStore通过PyTables按名称保存和取得表或序列。选择时应依据访问模式与对象语义,而不只看同为.h5文件。具体可用操作及并发能力取决于接口、格式和配置。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 2 处
- · 查看原书依据
PyTables和h5py),它们各自采取了不同的问题解决方式。h5py提供了一种直接而高级的HDF5API访问接口,而PyTables则抽象了HDF5的许多细节以提供多种灵活的数据容器、表索引、查询功能以及对核外计算技术(out-of-core computation)的某些支持。 pandas有一个最小化的类似于字典的HDFStore类,它通过PyTab
- · 查看原书依据
PyTables和h5py这两个Python项目可以将NumPy的数组数据存储为高效且可压缩的HDF5格式(HDF意思是“层次化数据格式”)。你可以安全地将好几百GB甚至TB的数据存储为HDF5格式。很遗憾,这些库的用法超出了本书的范围。 PyTables提供了一些用于结构化数组的高级查询功能,而且还能添加列索引以提升查询速度。这跟关系型数据库所提供的表索引
参考来源
- 位置:《利用Python进行数据分析》第6章《使用HDF5格式》(spine288;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0274.html;u140-ch06-020)。
- 结论依据:原文在“PyTables和h5py”附近的定义、例子或代码支撑本卡核心说明:h5py接近HDF5数据集接口,PyTables进一步提供表、索引与查询等抽象;pandas的HDFStore通过PyTables按名称保存和取得表或序列。边界按已读前提解释;示例未执行。
- 原始内容:PyTables和h5py),它们各自采取了不同的问题解决方式。h5py提供了一种直接而高级的HDF5API访问接口,而PyTables则抽象了HDF5的许多细节以提供多种灵活的数据容器、表索引、查询功能以及对核外计算技术(out-of-core computation)的某些支持。 pandas有一个最小化的类似于字典的HDFStore类,它通过PyTab
- 位置:《利用Python进行数据分析》第12章《HDF5及其他数组存储方式》(spine329;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0315.html;u289-ch06-020)。
- 结论依据:HDF5是存储格式,PyTables/h5py是不同Python接口;原文提到PyTables对结构化数据的查询和列索引能力,不等于所有h5py数组都有相同查询机制。
- 原始内容:PyTables和h5py这两个Python项目可以将NumPy的数组数据存储为高效且可压缩的HDF5格式(HDF意思是“层次化数据格式”)。你可以安全地将好几百GB甚至TB的数据存储为HDF5格式。很遗憾,这些库的用法超出了本书的范围。 PyTables提供了一些用于结构化数组的高级查询功能,而且还能添加列索引以提升查询速度。这跟关系型数据库所提供的表索引