при работе
pd.read_hdf('myfile.h5')
Я получаю следующую ошибку трассировки:
[[... немного больше трассировки]] ~ / .local / lib / python3.6 / site-packages / pandas / io / pytables.py в read_array (self, key, start, stop) 2487 2488, если isinstance (node, tables.VLArray): -> 2489 ret = node [0] [start: stop] 2490 else: 2491 dtype = getattr (attrs, 'value_type', None) ~ / .local / lib / python3.6 / site-packages / tables / vlarray.py в getitem (self, key) ~ / .local / lib / python3.6 / site-packages / tables / vlarray.py в режиме чтения (самостоятельно, начало, остановка, шаг) tables / hdf5extension.pyx в tables.hdf5extension.VLArray._read_array () ValueError: невозможно установить для флага WRITEABLE значение True этого массива
[[... немного больше трассировки]]
~ / .local / lib / python3.6 / site-packages / pandas / io / pytables.py в read_array (self, key, start, stop) 2487 2488, если isinstance (node, tables.VLArray): -> 2489 ret = node [0] [start: stop] 2490 else: 2491 dtype = getattr (attrs, 'value_type', None)
~ / .local / lib / python3.6 / site-packages / tables / vlarray.py в getitem (self, key)
~ / .local / lib / python3.6 / site-packages / tables / vlarray.py в режиме чтения (самостоятельно, начало, остановка, шаг)
tables / hdf5extension.pyx в tables.hdf5extension.VLArray._read_array ()
ValueError: невозможно установить для флага WRITEABLE значение True этого массива
Понятия не имею, что происходит. Я попытался переустановить tables, pandas все в принципе, но не хочет читать.
tables
pandas
Кажется, что time-date строки вызывали проблему, и когда я преобразовал их из текста в numpy (pd.to_datetime()) и сохранил таблицу, и проблема исчезла, так что, возможно, она как-то связана с текстовыми данными?
time-date
(pd.to_datetime())
Вы используете numpy 1.16? Он несовместим с последним выпуском pytables (см. https://github.com/PyTables/PyTables/blob/v3.4.4/tables/hdf5extension.pyx#L2155), но команда pytables еще не выпустила исправленную версию: https://github.com/PyTables/PyTables/issues/719
Единственный способ, который я нашел, чтобы это исправить, - понизить рейтинг NumPy.