如何在 Julia 中编写和读取包含日期时间列的 DataFrame

Question

第二次更新：已被用户@Matt B 确认为错误。有关详细信息，请参阅下面的答案。

更新： @waTeim 已经证明可以写入和读取包含 date 类型列的 DataFrame（在我的设置中确认）。这很重要，因为这意味着 Julia 可以写入和读取数据框列中的一些复合类型。但是，类型 datetime（与类型 date 不同）的情况仍然会引发错误，因此此时问题仍未得到解答。

在 Julia 中，使用 HDF5 和 JLD 包，可以在 .jld 文件中保存和加载 DataFrame，例如：

#Preamble
using HDF, JLD, DataFrames
filePath = "/home/colin/Test.jld";

#Save the data-frame
fid1 = jldopen(FP, "w");
write(fid1, "MyDataFrame", MyDataFrame);
close(fid1);

#Come back later and load the data-frame
fid1 = jldopen(FP, "r");
X = read(fid1, "MyDataFrame");
close(fid1);

这很好用，只要数据框的列都是基本 Julia 类型的向量，如 Float64 或 Int64。然而，在实践中，我们通常希望数据框的第一列是datetime，它不是基本类型（尽管在未来的版本中可能会成为基本类型）。在这种情况下，上面的代码在read 操作中对我来说失败，并显示一条很长的错误消息（如果有人在 cmets 中询问，我会将其添加到底部）。按照 JLD 包的文档，我在保存时尝试了以下操作：

#Save the data-frame
fid1 = jldopen(FP, "w");
addrequire(fid1, "/home/colin/.julia/v0.2/DataFrames/src/dataframe.jl")
addrequire(fid1, "/home/colin/.julia/v0.2/Datetime/src/Datetime.jl")
write(fid1, "MyDataFrame", MyDataFrame);
close(fid1);

但这没有帮助。

我是在做一些愚蠢的事情，还是这个功能根本不可用？

注意：包含 HDF5 标记是因为 JLD 包使用它。

Answer 1

如果缺少对特定 Julia 数据类型的 HDF5 支持，则可能会出现此错误。在这种情况下，它不是专门使用 Datetime 的 DataFrame，而是缺乏对 Datetime 类型本身的支持。显然，当库由于某种原因无法加载类型时（see here 和 here too 用于其他示例）。每种类型的确切原因和修复方法都不同，但报告错误会导致及时修复（见下文）。

错误

HDF5-DIAG: Error detected in HDF5 (1.8.11) thread 0:
  #000: H5Dio.c line 182 in H5Dread(): can't read data
    major: Dataset
    minor: Read failed
  #001: H5Dio.c line 438 in H5D__read(): unable to set up type info
    major: Dataset
    minor: Unable to initialize object
  #002: H5Dio.c line 939 in H5D__typeinfo_init(): unable to convert between src and dest datatype
    major: Dataset
    minor: Feature is unsupported
  #003: H5T.c line 4525 in H5T_path_find(): no appropriate function for conversion path
    major: Datatype
    minor: Unable to initialize object

历史

版本 0.2.25

我建议您迁移到 Julia 版本 0.3，因为它现在处于候选发布状态，并更新您的包存储库。我的设置不同；我正在使用不同版本的 HDF5、JLD、DataFrames 和 Datetime。但话虽如此，我所做的两个重要更改是在对 addrequire 的调用中简单地指示 模块名称 而不是 文件名 以及使用 @read 和 @write 宏而不是相应的函数，因为后者似乎有问题。

Version 0.3.0-rc1+4263 (2014-07-19 02:59 UTC)

Pkg.status()
- DataFrames                    0.5.7
- HDF5                          0.2.25
- Datetime                      0.1.6

创建数据文件

using HDF5,JLD,DataFrames,Datetime

testFile = jldopen("test.jld","w")
addrequire(testFile,"DataFrames")
addrequire(testFile,"Datetime")
df = DataFrame()
df[:column1] = today() 
@write testFile df
close(testFile)

重新启动 Julia 并阅读....

julia> using HDF5,JLD,DataFrames,Datetime

julia> testFile = jldopen("test.jld","r")
Julia data file version 0.0.2: test.jld

julia> @read testFile df
1x1 DataFrame
|-------|------------|
| Row # | column1    |
| 1     | 2014-07-19 |

julia> df[:column1]
 1-element DataArray{Date{ISOCalendar},1}:
 2014-07-19

版本 0.2.25+（预发布）

确实，我可以确认尝试存储 Datetime 失败了，使用 repo 中的最新版本可以解决问题。

 HDF5                          0.2.25+            master

如果仅通过将 today() 更改为 now()

来修改上述内容

df[:column1] = now()

那么下面

julia> using HDF5,JLD,DataFrames,Datetime

julia> testFile = jldopen("test.jld","r")
Julia data file version 0.0.2: test.jld

julia> @read testFile df
1x1 DataFrame
|-------|-------------------------|
| Row # | column1                 |
| 1     | 2014-07-26T03:38:45 UTC |

但是，尽管有this fix，但似乎对于 Datetime 发生的相同的一般错误消息也发生在 type complex 上。

c = 1 + im;
@write testFile c

版本 0.2.26

这个版本也支持复杂的。最初看起来问题是普遍缺乏对复杂类型的支持，但更可能是复杂从1 + im初始化的特殊问题；而不是1.0 + im。

- HDF5                          0.2.26

julia> using HDF5, JLD

julia> testFile = jldopen("test.jld","r")
Julia data file version 0.0.2: test.jld

julia> @read testFile c
1 + 1im

Answer 2

正如我在上面的评论中所指出的，这种行为是 a bug，现在是 been fixed。在 0.2.26 版本被标记之前，您可以使用 Pkg.checkout("HDF5") 来获取此错误修复。

---

但为了让这更像是一个答案，我将更多地描述这个问题并给出一个潜在的解决方法。 Date 和 DateTime 类型都是带有 very similar definitions 的位类型。在 HDF5.jl 包中保存和加载位类型是一个相对较新的功能；仅支持 past month（标记为版本 0.2.24 和 0.2.25）。

这些版本有一个错误，即 bitstypes 的类型名称没有与其模块名称一起保存（作为完全限定的类型名称）。在import 和using 之间的区别中可以非常清楚地看到这一点：

julia> using HDF5, JLD # version 0.2.25

julia> import Datetime

julia> save("today.jld","t",Datetime.today()) # today() returns a `Datetime.Date`

julia> load("today.jld") # But it was saved as just a `Date`, not a `Datetime.Date`
                         # so HDF5 cannot find the definition
HDF5-DIAG: Error detected in HDF5 (1.8.11) thread 0:
  #000: H5Dio.c line 182 in H5Dread(): can't read data … # backtrace truncated

julia> using Datetime # Bring `Date` into the `Main` namespace

julia> load("today.jld") # now it works!
Dict{Union(UTF8String,ASCIIString),Any} with 1 entry:
  "t" => 2014-07-25

因此，当您保存 DateTime 对象时，它由 Calendar 和 和时区 Offset 参数化。但是Offset 类型不是从 Datetime 包中导出的……它们有很多！然而，大多数 DateTimes 只使用 Zone0: UTC。因此，如果您使用 HDF5.jl 版本 0.2.24-25 保存了 DateTime 数据，您可以通过手动将这些类型“导出”到您的主命名空间中来恢复它。

julia> save("now.jld","n",now())

julia> load("now.jld")
HDF5-DIAG: Error detected in HDF5 (1.8.11) thread 0:
  #000: H5Dio.c line 182 in H5Dread(): can't read data … # truncated

julia> const Zone0 = Datetime.Zone0;

julia> load("now.jld")
Dict{Union(UTF8String,ASCIIString),Any} with 1 entry:
  "n" => 2014-07-25T13:45:45 UTC