.. DO NOT EDIT.
.. THIS FILE WAS AUTOMATICALLY GENERATED BY SPHINX-GALLERY.
.. TO MAKE CHANGES, EDIT THE SOURCE PYTHON FILE:
.. "auto_examples/core/table_writer_reader.py"
.. LINE NUMBERS ARE GIVEN BELOW.

.. only:: html

    .. note::
        :class: sphx-glr-download-link-note

        :ref:`Go to the end <sphx_glr_download_auto_examples_core_table_writer_reader.py>`
        to download the full example code.

.. rst-class:: sphx-glr-example-title

.. _sphx_glr_auto_examples_core_table_writer_reader.py:


Writing Containers to a tabular format
======================================

The ``TableWriter``/``TableReader`` sub-classes allow you to write a
``ctapipe.core.Container`` class and its meta-data to an output table.
They treat the ``Field``s in the ``Container`` as columns in the
output, and automatically generate a schema. Here we will go through an
example of writing out data and reading it back with *Pandas*,
*PyTables*, and a ``ctapipe.io.TableReader``:

In this example, we will use the ``HDF5TableWriter``, which writes to
HDF5 datasets using *PyTables*. Currently this is the only implemented
TableWriter.

.. GENERATED FROM PYTHON SOURCE LINES 19-25

Caveats to think about: \* vector columns in Containers *can* be
written, but some lilbraries like Pandas can not read those (so you must
use pytables or astropy to read outputs that have vector columns)
\* units are stored in the table metadata, but some libraries like Pandas
ignore them and all other metadata


.. GENERATED FROM PYTHON SOURCE LINES 28-31

Create some example Containers
------------------------------


.. GENERATED FROM PYTHON SOURCE LINES 31-43

.. code-block:: Python
   :lineno-start: 32


    import os

    import numpy as np
    import pandas as pd
    import tables
    from astropy import units as u

    from ctapipe.core import Container, Field
    from ctapipe.io import HDF5TableReader, HDF5TableWriter, read_table









.. GENERATED FROM PYTHON SOURCE LINES 44-53

.. code-block:: Python
   :lineno-start: 44

    class VariousTypesContainer(Container):
        a_int = Field(int, "some int value")
        a_float = Field(float, "some float value with a unit", unit=u.m)
        a_bool = Field(bool, "some bool value")
        a_np_int = Field(np.int64, "a numpy int")
        a_np_float = Field(np.float64, "a numpy float")
        a_np_bool = Field(np.bool_, "np.bool")









.. GENERATED FROM PYTHON SOURCE LINES 54-57

let’s also make a dummy stream (generator) that will create a series of
these containers


.. GENERATED FROM PYTHON SOURCE LINES 57-72

.. code-block:: Python
   :lineno-start: 59



    def create_stream(n_event):
        data = VariousTypesContainer()
        for i in range(n_event):
            data.a_int = int(i)
            data.a_float = float(i) * u.cm  # note unit conversion will happen
            data.a_bool = (i % 2) == 0
            data.a_np_int = np.int64(i)
            data.a_np_float = np.float64(i)
            data.a_np_bool = np.bool_((i % 2) == 0)

            yield data









.. GENERATED FROM PYTHON SOURCE LINES 73-78

.. code-block:: Python
   :lineno-start: 73

    for data in create_stream(2):
        for key, val in data.items():
            print("{}: {}, type : {}".format(key, val, type(val)))






.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    a_int: 0, type : <class 'int'>
    a_float: 0.0 cm, type : <class 'astropy.units.quantity.Quantity'>
    a_bool: True, type : <class 'bool'>
    a_np_int: 0, type : <class 'numpy.int64'>
    a_np_float: 0.0, type : <class 'numpy.float64'>
    a_np_bool: True, type : <class 'numpy.bool'>
    a_int: 1, type : <class 'int'>
    a_float: 1.0 cm, type : <class 'astropy.units.quantity.Quantity'>
    a_bool: False, type : <class 'bool'>
    a_np_int: 1, type : <class 'numpy.int64'>
    a_np_float: 1.0, type : <class 'numpy.float64'>
    a_np_bool: False, type : <class 'numpy.bool'>




.. GENERATED FROM PYTHON SOURCE LINES 79-82

Writing the Data (and good practices)
-------------------------------------


.. GENERATED FROM PYTHON SOURCE LINES 85-88

Always use context managers with IO classes, as they will make sure the
underlying resources are properly closed in case of errors:


.. GENERATED FROM PYTHON SOURCE LINES 88-100

.. code-block:: Python
   :lineno-start: 89


    try:
        with HDF5TableWriter("container.h5", group_name="data") as h5_table:
            for data in create_stream(10):
                h5_table.write("table", data)
                0 / 0
    except Exception as err:
        print("FAILED:", err)
    print("Done")

    h5_table.h5file.isopen





.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    FAILED: division by zero
    Done

    0



.. GENERATED FROM PYTHON SOURCE LINES 101-103

.. code-block:: Python
   :lineno-start: 101

    print(os.listdir())





.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    ['provenance.py', 'command_line_tools.py', 'table_writer_reader.py', 'mytool.provenance.log', 'README.rst', 'config.json', 'InstrumentDescription.py', 'containers.py', 'container.h5']




.. GENERATED FROM PYTHON SOURCE LINES 104-107

Appending new Containers
------------------------


.. GENERATED FROM PYTHON SOURCE LINES 110-114

To append some new containers we need to set the writing in append mode
by using: ‘mode=a’. But let’s now first look at what happens if we
don’t.


.. GENERATED FROM PYTHON SOURCE LINES 114-124

.. code-block:: Python
   :lineno-start: 115


    for i in range(2):
        with HDF5TableWriter(
            "container.h5", mode="w", group_name="data_{}".format(i)
        ) as h5_table:
            for data in create_stream(10):
                h5_table.write("table", data)

            print(h5_table.h5file)





.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    container.h5 (File) np.str_('')
    Last modif.: '2025-10-23T07:32:44+00:00'
    Object Tree: 
    / (RootGroup) np.str_('')
    /data_0 (Group) np.str_('')
    /data_0/table (Table(np.int64(0),)fletcher32, shuffle, blosc:zstd(5)) np.str_('Storage of VariousTypesContainer')

    container.h5 (File) np.str_('')
    Last modif.: '2025-10-23T07:32:44+00:00'
    Object Tree: 
    / (RootGroup) np.str_('')
    /data_1 (Group) np.str_('')
    /data_1/table (Table(np.int64(0),)fletcher32, shuffle, blosc:zstd(5)) np.str_('Storage of VariousTypesContainer')





.. GENERATED FROM PYTHON SOURCE LINES 125-127

.. code-block:: Python
   :lineno-start: 125

    os.remove("container.h5")








.. GENERATED FROM PYTHON SOURCE LINES 128-132

Ok so the writer destroyed the content of the file each time it opens
the file. Now let’s try to append some data group to it! (using
mode=‘a’)


.. GENERATED FROM PYTHON SOURCE LINES 132-143

.. code-block:: Python
   :lineno-start: 133


    for i in range(2):
        with HDF5TableWriter(
            "container.h5", mode="a", group_name="data_{}".format(i)
        ) as h5_table:
            for data in create_stream(10):
                h5_table.write("table", data)

            print(h5_table.h5file)






.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    container.h5 (File) np.str_('')
    Last modif.: '2025-10-23T07:32:44+00:00'
    Object Tree: 
    / (RootGroup) np.str_('')
    /data_0 (Group) np.str_('')
    /data_0/table (Table(np.int64(0),)fletcher32, shuffle, blosc:zstd(5)) np.str_('Storage of VariousTypesContainer')

    container.h5 (File) np.str_('')
    Last modif.: '2025-10-23T07:32:44+00:00'
    Object Tree: 
    / (RootGroup) np.str_('')
    /data_0 (Group) np.str_('')
    /data_0/table (Table(np.int64(10),)fletcher32, shuffle, blosc:zstd(5)) np.str_('Storage of VariousTypesContainer')
    /data_1 (Group) np.str_('')
    /data_1/table (Table(np.int64(0),)fletcher32, shuffle, blosc:zstd(5)) np.str_('Storage of VariousTypesContainer')





.. GENERATED FROM PYTHON SOURCE LINES 144-147

So we can append some data groups. As long as the data group_name does
not already exists. Let’s try to overwrite the data group : data_1


.. GENERATED FROM PYTHON SOURCE LINES 147-156

.. code-block:: Python
   :lineno-start: 148


    try:
        with HDF5TableWriter("container.h5", mode="a", group_name="data_1") as h5_table:
            for data in create_stream(10):
                h5_table.write("table", data)
    except Exception as err:
        print("Failed as expected:", err)









.. GENERATED FROM PYTHON SOURCE LINES 157-159

Good ! I cannot overwrite my data.


.. GENERATED FROM PYTHON SOURCE LINES 159-163

.. code-block:: Python
   :lineno-start: 160


    print(bool(h5_table.h5file.isopen))






.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    False




.. GENERATED FROM PYTHON SOURCE LINES 164-167

Reading the Data
----------------


.. GENERATED FROM PYTHON SOURCE LINES 170-183

Reading the whole table at once:
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

For this, you have several choices. Since we used the HDF5TableWriter in
this example, we have at least these options available:

-  Pandas
-  PyTables
-  Astropy Table

For other TableWriter implementations, others may be possible (depending
on format)


.. GENERATED FROM PYTHON SOURCE LINES 186-192

Reading using ``ctapipe.io.read_table``
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

This is the preferred method, it returns an astropy ``Table`` and
supports keeping track of units, metadata and transformations.


.. GENERATED FROM PYTHON SOURCE LINES 192-197

.. code-block:: Python
   :lineno-start: 194



    table = read_table("container.h5", "/data_0/table")
    table[:5]






.. raw:: html

    <div class="output_subarea output_html rendered_html output_result">
    <div><i>Table length=5</i>
    <table id="table134074024716432" class="table-striped table-bordered table-condensed">
    <thead><tr><th>a_int</th><th>a_float</th><th>a_bool</th><th>a_np_int</th><th>a_np_float</th><th>a_np_bool</th></tr></thead>
    <thead><tr><th></th><th>m</th><th></th><th></th><th></th><th></th></tr></thead>
    <thead><tr><th>int64</th><th>float64</th><th>bool</th><th>int64</th><th>float64</th><th>bool</th></tr></thead>
    <tr><td>0</td><td>0.0</td><td>True</td><td>0</td><td>0.0</td><td>True</td></tr>
    <tr><td>1</td><td>0.01</td><td>False</td><td>1</td><td>1.0</td><td>False</td></tr>
    <tr><td>2</td><td>0.02</td><td>True</td><td>2</td><td>2.0</td><td>True</td></tr>
    <tr><td>3</td><td>0.03</td><td>False</td><td>3</td><td>3.0</td><td>False</td></tr>
    <tr><td>4</td><td>0.04</td><td>True</td><td>4</td><td>4.0</td><td>True</td></tr>
    </table></div>
    </div>
    <br />
    <br />

.. GENERATED FROM PYTHON SOURCE LINES 198-201

.. code-block:: Python
   :lineno-start: 198

    table.meta






.. rst-class:: sphx-glr-script-out

 .. code-block:: none


    {'CTAPIPE_VERSION': '0.27.1.dev15+g1af6977ab'}



.. GENERATED FROM PYTHON SOURCE LINES 202-209

Reading with Pandas:
^^^^^^^^^^^^^^^^^^^^

Pandas is a convenient way to read the output. **HOWEVER BE WARNED**
that so far Pandas does not support reading the table *meta-data* or
*units* for columns, so that information is lost!


.. GENERATED FROM PYTHON SOURCE LINES 209-215

.. code-block:: Python
   :lineno-start: 211



    data = pd.read_hdf("container.h5", key="/data_0/table")
    data.head()







.. raw:: html

    <div class="output_subarea output_html rendered_html output_result">
    <div>
    <style scoped>
        .dataframe tbody tr th:only-of-type {
            vertical-align: middle;
        }

        .dataframe tbody tr th {
            vertical-align: top;
        }

        .dataframe thead th {
            text-align: right;
        }
    </style>
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>a_int</th>
          <th>a_float</th>
          <th>a_bool</th>
          <th>a_np_int</th>
          <th>a_np_float</th>
          <th>a_np_bool</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>0</td>
          <td>0.00</td>
          <td>True</td>
          <td>0</td>
          <td>0.0</td>
          <td>True</td>
        </tr>
        <tr>
          <th>1</th>
          <td>1</td>
          <td>0.01</td>
          <td>False</td>
          <td>1</td>
          <td>1.0</td>
          <td>False</td>
        </tr>
        <tr>
          <th>2</th>
          <td>2</td>
          <td>0.02</td>
          <td>True</td>
          <td>2</td>
          <td>2.0</td>
          <td>True</td>
        </tr>
        <tr>
          <th>3</th>
          <td>3</td>
          <td>0.03</td>
          <td>False</td>
          <td>3</td>
          <td>3.0</td>
          <td>False</td>
        </tr>
        <tr>
          <th>4</th>
          <td>4</td>
          <td>0.04</td>
          <td>True</td>
          <td>4</td>
          <td>4.0</td>
          <td>True</td>
        </tr>
      </tbody>
    </table>
    </div>
    </div>
    <br />
    <br />

.. GENERATED FROM PYTHON SOURCE LINES 216-219

Reading with PyTables
^^^^^^^^^^^^^^^^^^^^^


.. GENERATED FROM PYTHON SOURCE LINES 219-226

.. code-block:: Python
   :lineno-start: 221



    h5 = tables.open_file("container.h5")
    table = h5.root["data_0"]["table"]
    table






.. rst-class:: sphx-glr-script-out

 .. code-block:: none


    /data_0/table (Table(np.int64(10),)fletcher32, shuffle, blosc:zstd(5)) np.str_('Storage of VariousTypesContainer')
      description := {
      "a_int": Int64Col(shape=(), dflt=np.int64(0), pos=0),
      "a_float": Float64Col(shape=(), dflt=np.float64(0.0), pos=1),
      "a_bool": BoolCol(shape=(), dflt=np.False_, pos=2),
      "a_np_int": Int64Col(shape=(), dflt=np.int64(0), pos=3),
      "a_np_float": Float64Col(shape=(), dflt=np.float64(0.0), pos=4),
      "a_np_bool": BoolCol(shape=(), dflt=np.False_, pos=5)}
      byteorder := 'little'
      chunkshape := (np.int64(1927),)



.. GENERATED FROM PYTHON SOURCE LINES 227-229

note that here we can still access the metadata


.. GENERATED FROM PYTHON SOURCE LINES 229-233

.. code-block:: Python
   :lineno-start: 231



    table.attrs





.. rst-class:: sphx-glr-script-out

 .. code-block:: none


    /data_0/table._v_attrs (AttributeSet), 31 attributes:
       [CLASS := np.str_('TABLE'),
        CTAFIELD_0_DESC := np.str_('some int value'),
        CTAFIELD_0_NAME := np.str_('a_int'),
        CTAFIELD_1_DESC := np.str_('some float value with a unit'),
        CTAFIELD_1_NAME := np.str_('a_float'),
        CTAFIELD_1_TRANSFORM := np.str_('quantity'),
        CTAFIELD_1_UNIT := np.str_('m'),
        CTAFIELD_2_DESC := np.str_('some bool value'),
        CTAFIELD_2_NAME := np.str_('a_bool'),
        CTAFIELD_3_DESC := np.str_('a numpy int'),
        CTAFIELD_3_NAME := np.str_('a_np_int'),
        CTAFIELD_4_DESC := np.str_('a numpy float'),
        CTAFIELD_4_NAME := np.str_('a_np_float'),
        CTAFIELD_5_DESC := np.str_('np.bool'),
        CTAFIELD_5_NAME := np.str_('a_np_bool'),
        CTAPIPE_VERSION := np.str_('0.27.1.dev15+g1af6977ab'),
        FIELD_0_FILL := np.int64(0),
        FIELD_0_NAME := np.str_('a_int'),
        FIELD_1_FILL := np.float64(0.0),
        FIELD_1_NAME := np.str_('a_float'),
        FIELD_2_FILL := np.False_,
        FIELD_2_NAME := np.str_('a_bool'),
        FIELD_3_FILL := np.int64(0),
        FIELD_3_NAME := np.str_('a_np_int'),
        FIELD_4_FILL := np.float64(0.0),
        FIELD_4_NAME := np.str_('a_np_float'),
        FIELD_5_FILL := np.False_,
        FIELD_5_NAME := np.str_('a_np_bool'),
        NROWS := np.int64(10),
        TITLE := np.str_('Storage of VariousTypesContainer'),
        VERSION := np.str_('2.7')]



.. GENERATED FROM PYTHON SOURCE LINES 234-236

close the file


.. GENERATED FROM PYTHON SOURCE LINES 236-239

.. code-block:: Python
   :lineno-start: 236

    h5.close()









.. GENERATED FROM PYTHON SOURCE LINES 240-243

Reading one-row-at-a-time:
~~~~~~~~~~~~~~~~~~~~~~~~~~


.. GENERATED FROM PYTHON SOURCE LINES 246-253

Rather than using the full-table methods, if you want to read it
row-by-row (e.g. to maintain compatibility with an existing event loop),
you can use a ``TableReader`` instance.

The advantage here is that units and other metadata are retained and
re-applied


.. GENERATED FROM PYTHON SOURCE LINES 253-267

.. code-block:: Python
   :lineno-start: 255



    def read(mode):
        print("reading mode {}".format(mode))

        with HDF5TableReader("container.h5", mode=mode) as h5_table:
            for group_name in ["data_0/", "data_1/"]:
                group_name = "/{}table".format(group_name)
                print(group_name)

                for data in h5_table.read(group_name, VariousTypesContainer):
                    print(data.as_dict())









.. GENERATED FROM PYTHON SOURCE LINES 268-270

.. code-block:: Python
   :lineno-start: 268

    read("r")





.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    reading mode r
    /data_0/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    /data_1/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}




.. GENERATED FROM PYTHON SOURCE LINES 271-273

.. code-block:: Python
   :lineno-start: 271

    read("r+")





.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    reading mode r+
    /data_0/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    /data_1/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}




.. GENERATED FROM PYTHON SOURCE LINES 274-276

.. code-block:: Python
   :lineno-start: 274

    read("a")





.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    reading mode a
    /data_0/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    /data_1/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}




.. GENERATED FROM PYTHON SOURCE LINES 277-278

.. code-block:: Python
   :lineno-start: 277

    read("w")




.. rst-class:: sphx-glr-script-out

 .. code-block:: none

    reading mode w
    /data_0/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    /data_1/table
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(0), 'a_float': <Quantity 0. m>, 'a_bool': np.True_, 'a_np_int': np.int64(0), 'a_np_float': np.float64(0.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(1), 'a_float': <Quantity 0.01 m>, 'a_bool': np.False_, 'a_np_int': np.int64(1), 'a_np_float': np.float64(1.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(2), 'a_float': <Quantity 0.02 m>, 'a_bool': np.True_, 'a_np_int': np.int64(2), 'a_np_float': np.float64(2.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(3), 'a_float': <Quantity 0.03 m>, 'a_bool': np.False_, 'a_np_int': np.int64(3), 'a_np_float': np.float64(3.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(4), 'a_float': <Quantity 0.04 m>, 'a_bool': np.True_, 'a_np_int': np.int64(4), 'a_np_float': np.float64(4.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(5), 'a_float': <Quantity 0.05 m>, 'a_bool': np.False_, 'a_np_int': np.int64(5), 'a_np_float': np.float64(5.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(6), 'a_float': <Quantity 0.06 m>, 'a_bool': np.True_, 'a_np_int': np.int64(6), 'a_np_float': np.float64(6.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(7), 'a_float': <Quantity 0.07 m>, 'a_bool': np.False_, 'a_np_int': np.int64(7), 'a_np_float': np.float64(7.0), 'a_np_bool': np.False_}
    {'a_int': np.int64(8), 'a_float': <Quantity 0.08 m>, 'a_bool': np.True_, 'a_np_int': np.int64(8), 'a_np_float': np.float64(8.0), 'a_np_bool': np.True_}
    {'a_int': np.int64(9), 'a_float': <Quantity 0.09 m>, 'a_bool': np.False_, 'a_np_int': np.int64(9), 'a_np_float': np.float64(9.0), 'a_np_bool': np.False_}





.. rst-class:: sphx-glr-timing

   **Total running time of the script:** (0 minutes 0.068 seconds)


.. _sphx_glr_download_auto_examples_core_table_writer_reader.py:

.. only:: html

  .. container:: sphx-glr-footer sphx-glr-footer-example

    .. container:: sphx-glr-download sphx-glr-download-jupyter

      :download:`Download Jupyter notebook: table_writer_reader.ipynb <table_writer_reader.ipynb>`

    .. container:: sphx-glr-download sphx-glr-download-python

      :download:`Download Python source code: table_writer_reader.py <table_writer_reader.py>`

    .. container:: sphx-glr-download sphx-glr-download-zip

      :download:`Download zipped: table_writer_reader.zip <table_writer_reader.zip>`


.. only:: html

 .. rst-class:: sphx-glr-signature

    `Gallery generated by Sphinx-Gallery <https://sphinx-gallery.github.io>`_