做外链哪个网站好,网站建设方案 pdf,曲阜市住房和城乡建设局网站,鹧鸪哨网站1v1深度开发1 python数据分析numpy基础之h5py读写数组数据到h5文件
HDF5(分层数据格式文件)是Hierarchical Data Format Version 5的缩写#xff0c;是一种用于存储和管理大数据的文件格式。经历了20多年的发展#xff0c;HDF格式的最新版本是HDF5#xff0c;它包含了数据模型#xf…1 python数据分析numpy基础之h5py读写数组数据到h5文件
HDF5(分层数据格式文件)是Hierarchical Data Format Version 5的缩写是一种用于存储和管理大数据的文件格式。经历了20多年的发展HDF格式的最新版本是HDF5它包含了数据模型库和文件格式标准。
一个hdf5文件包括“dataset”和“group”。
HDF5 文件一般以 .h5 或者 .hdf5 作为后缀名HDF5 文件结构中有 2 primary objects: Groups 和 Datasets。
Groups 就类似于文件夹每个 HDF5 文件其实就是根目录 (root) group’/可以看成目录的容器其中可以包含一个或多个 dataset 及其它的 group。
Datasets 类似于 NumPy 中的数组 array可以当作数组的数据集合 。
每个 dataset 可以分成两部分: 原始数据 (raw) data values 和 元数据 metadata。
1.1 安装h5py
通过pip install h5py安装h5py库。
D:\python39pip3 install h5py
Collecting h5pyDownloading h5py-3.10.0-cp39-cp39-win_amd64.whl (2.7 MB)|████████████████████████████████| 2.7 MB 79 kB/s
Requirement already satisfied: numpy1.17.3 in d:\python39\lib\site-packages (from h5py) (1.26.1)
Installing collected packages: h5py
Successfully installed h5py-3.10.0
WARNING: You are using pip version 20.2.3; however, version 24.0 is available.
You should consider upgrading via the d:\python39\python.exe -m pip install --upgrade pip command.1.2 读写hdf5文件
通过h5py.File(file,mode)创建一个h5文件。通过create_dataset()将数组写到hdf5文件。
用法
h5py.File(name, moder)描述
python的h5py库的File()函数创建一个h5文件。
NOmode描述11r默认值r为只读文件必须存在2r读写文件必须存在3w创建文件如果存在则截断4w-或x创建文件如果存在则失败5a读和写如果不存在则创建
用法
create_dataset(name, shapeNone, dtypeNone, dataNone, **kwds)描述
python的通过h5py.File.create_dataset()向h5文件写内容。
name数据集名称通过此名称进行存取数组。
data要写到h5文件的数组数据。
模式为w时每次调用create_dataset()会截断文件覆盖h5文件原有的内容。
模式为a时每次调用create_dataset()不会覆盖h5文件原有内容通过切片修改达到修改文件的效果。
示例 import numpy as npimport h5pyar1np.arange(24).reshape(2,3,4)ar2np.arange(24).reshape(1,3,8)fname1rE:\ls\h5f1.h5
# h5py.File()写模式创建一个h5文件h5f1h5py.File(fname1,modew)
# 将数组写到h5文件h5f1.create_dataset(ar1,dataar1)
HDF5 dataset ar1: shape (2, 3, 4), type i4h5f1.create_dataset(ar2,dataar2)
HDF5 dataset ar2: shape (1, 3, 8), type i4
# 读模式打开一个h5文件h5f1h5py.File(fname1,moder)
# 通过切片获取数组h5f1[ar1][:]
array([[[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]],[[12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]]])h5f1[ar2][:]
array([[[ 0, 1, 2, 3, 4, 5, 6, 7],[ 8, 9, 10, 11, 12, 13, 14, 15],[16, 17, 18, 19, 20, 21, 22, 23]]])h5f1.close()
# 切换a模式添加数组到dataset达到向文件添加内容的效果h5f1h5py.File(fname1,modea)
# 已经存在的dataset不可再次create添加h5f1.create_dataset(ar2,data[1,2])
Traceback (most recent call last):File pyshell#64, line 1, in moduleh5f1.create_dataset(ar2,data[1,2])File D:\python39\lib\site-packages\h5py\_hl\group.py, line 183, in create_datasetdsid dataset.make_new_dset(group, shape, dtype, data, name, **kwds)File D:\python39\lib\site-packages\h5py\_hl\dataset.py, line 163, in make_new_dsetdset_id h5d.create(parent.id, name, tid, sid, dcpldcpl, dapldapl)File h5py\_objects.pyx, line 54, in h5py._objects.with_phil.wrapperFile h5py\_objects.pyx, line 55, in h5py._objects.with_phil.wrapperFile h5py\h5d.pyx, line 137, in h5py.h5d.create
ValueError: Unable to synchronously create dataset (name already exists)
# 通过切片方式进行修改h5f1[ar2][0,0][20,21,22,23,25,26,27,28]h5f1[ar2][:]
array([[[20, 21, 22, 23, 25, 26, 27, 28],[ 8, 9, 10, 11, 12, 13, 14, 15],[16, 17, 18, 19, 20, 21, 22, 23]]])h5f1[ar1][:]
array([[[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]],[[12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]]])
# 添加dataset到h5文件不会截断之前的文件内容h5f1.create_dataset(ar3,data[1,2])
HDF5 dataset ar3: shape (2,), type i4h5f1[ar3][:]
array([1, 2])h5f1[ar2][:]
array([[[20, 21, 22, 23, 25, 26, 27, 28],[ 8, 9, 10, 11, 12, 13, 14, 15],[16, 17, 18, 19, 20, 21, 22, 23]]])
