h5py快速入门指南
h5py是Python语言用来操作HDF5的模块。下面的文章主要介绍h5py的快速入门指南,翻译自h5py的官方文档:http://docs.h5py.org/en/latest/quick.html 。该翻译仅为个人学习h5py为目的,如有翻译不当之处,请速联系笔者或提供正确的翻译,非常感谢!
安装
conda install h5py
用Enthought Canopy,可以使用GUI安装包安装或用
enpkg h5py
安装。用pip或setup.py安装,请参考安装方式。
核心概念
一个HDF5文件就是一个容器,用于储存两类对象:datasets,类似于数组的数据集合;groups,类似于文件夹的容器,可以储存datasets和其它groups。当使用h5py时,最基本的准则为:
groups类似于字典(dictionaries),dataset类似于Numpy中的数组(arrays)。
假设有人给你发送了一个HDF5文件, mytestfile.hdf5(如何创建这个文件,请参考:附录:创建一个文件).首先你需要做的就是打开这个文件用于读取数据:
>>> import h5py >>> f = h5py.File('mytestfile.hdf5', 'r')
这个File对象是你的起点。那么这个文件中储存了什么呢?记住,h5py.File就像一个Python字典,因此我们可以查看这些键值,
>>> list(f.keys()) ['mydataset']
根据我们的观察,这个文件中有一个dataset,即mydataset. 让我们把这个dataset作为Dataset对象来检验
>>> dset = f['mydataset']
我们得到的这个对象不是一个数组,而是一个HDF5 dataset. 就像Numpy中的数据那样,datasets有形状(shape)和数据类型(data type)
>>> dset.shape (100,) >>> dset.dtype dtype('int32')
同时它们也支持数组风格的切片操作。下面是你如何完成这个文件中的一个dataset的读写的方法
>>> dset[...] = np.arange(100) >>> dset[0] 0 >>> dset[10] 10 >>> dset[0:100:10] array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
想要更多参考,请前往File Objects和Datasets.
附录:创建一个文件
此时此刻,你也许会好奇mytestdata.hdf5是如何创建的。当File对象初始化后,我们通过将模式(mode)设置为w来创建一个文件。其它模式(mode)为a(用于读、写、新建)和r+(用于读、写)。一个完整的File模式以及它们的含义的列表可参考File对象。
>>> import h5py >>> import numpy as np >>> f = h5py.File("mytestfile.hdf5", "w")
File对象有几个看上去挺有趣的方法。其一为create_dataset,顾名思义,就是通过给定形状和数据类型来创建一个dataset
>>> dset = f.create_dataset("mydataset", (100,), dtype='i')
File对象是上下文管理器,因此,下面的代码也可运行
>>> import h5py >>> import numpy as np >>> with h5py.File("mytestfile.hdf5", "w") as f: >>> dset = f.create_dataset("mydataset", (100,), dtype='i')
Groups和分层结构
“HDF”是“Hierarchical Data Format”的缩写。每个HDF5文件中的对象都有一个名字(name),它们以类似于POSIX风格的分层结构存放,用/分隔符分隔
>>> dset.name u'/mydataset'
在这个系统中“文件夹”(folders)被命名为groups. 我们创建的File对象本身也是一个group, 在这种情形下是根group(root group),名字为/:
>>> f.name u'/'
创建一个子group(subgroup)可以通过一个巧妙的命令create_group来完成。但是,我们首先需要以读/写模式来打开文件
>>> f = h5py.File('mydataset.hdf5', 'r+') >>> grp = f.create_group("subgroup")
所有Group对象,如同File对象一样,也有create_*方法:
>>> dset2 = grp.create_dataset("another_dataset", (50,), dtype='f') >>> dset2.name u'/subgroup/another_dataset'
顺便说一句,你不需要手动地创建所有的中间groups. 指定一个完整的路径同样可行
>>> dset3 = f.create_dataset('subgroup2/dataset_three', (10,), dtype='i') >>> dset3.name u'/subgroup2/dataset_three'
Groups支持大部分的Python字典风格的接口。你可以使用条目获取(item-retrieval)的语法来获取这个文件中的对象:
>>> dataset_three = f['subgroup2/dataset_three']
迭代一个group,就会产生它的成员的名字:
>>> for name in f: ... print name mydataset subgroup subgroup2
成员关系检测也可以通过使用名字来实现:
>>> "mydataset" in f True >>> "somethingelse" in f False
你甚至可以使用完整的路径的名字:
>>> "subgroup/another_dataset" in f True
它也有你熟悉的keys(), values(), items() 和iter() 的方法,以及get()方法。
因为迭代一个group只会产生它的直属成员,所以想要迭代一个完整的文件,可以使用Group的方法visit()和visititems(), 它们通过一个调用(callable)来实现:
>>> def printname(name): ... print name >>> f.visit(printname) mydataset subgroup subgroup/another_dataset subgroup2 subgroup2/dataset_three
想要更多参考,请前往Groups.
属性
HDF5的最好特征之一就是你可以在描述的数据后储存元数据(metadata)。所有的groups和datasets都支持几个数据位的附属命名,称为属性。(All groups and datasets support attached named bits of data called attributes.)
属性可以通过attrs这个代理对象来获取,这会再一次执行字典接口:
>>> dset.attrs['temperature'] = 99.5 >>> dset.attrs['temperature'] 99.5 >>> 'temperature' in dset.attrs True
想要更多参考,请前往Attributes.
注意:本人现已开通微信公众号: Python爬虫与算法(微信号为:easy_web_scrape), 欢迎大家关注哦~~
- GitHub使用指南之快速入门
- Oracle RMAN快速入门指南
- Solaris办事管理对象 SMF快速入门指南(1)
- DragonBones快速入门指南
- GN 快速入门指南
- Spark英中对照翻译(PySpark中文版新手快速入门-Quick Start)-中文指南,教程(Python版)-20161115
- 30分钟--Spark快速入门指南
- AngularJS快速入门指南18:Application
- Click framework 快速入门指南
- Oracle Rman快速入门指南(二)
- AngularJS快速入门指南11:事件
- AngularJS快速入门指南13:表单
- Spark快速入门指南
- ExtJS快速入门指南
- SpriteKit快速入门和新时代iOS游戏开发指南
- Oracle RMAN快速入门指南
- Gradle 教程说明 用户指南 第9章 Groovy----快速入门
- Solaris效力打点东西 SMF快速入门指南(3)
- Chapter 0.SymmetricDS快速入门指南( Quick Start Guide)
- [乐意黎转载]AngularJS快速入门指南16:Bootstrap