python库h5py读写数据

h5py文件是存放两类对象的容器，数据集(dataset)和组(group)，dataset类似数组类的数据集合，和numpy的数组差不多。group是像文件夹一样的容器，它好比python中的字典，有键(key)和值(value)。group中可以存放dataset或者其他的group。“键”就是组成员的名称，“值”就是组成员对象本身(组或者数据集)。

1.安装

conda install h5py
# pip install h5py

2. 写入数据到HDF5文件

import h5py
import numpy as np

f=h5py.File("myh5py.hdf5","w")

a=np.arange(20)
d1=f.create_dataset("dset1",data=a)
d2=f.create_dataset("dset2",(3,4),'i')
f["dset3"]=np.arange(100)

#创建一个名字为group1的组
g1=f.create_group("subgroup1")
g2=f.create_group("subgroup2")
 
#在group1这个组里面分别创建name为dset1,dset2的数据集并赋值。
g1["dset4"]=np.arange(10)
g1["dset5"]=np.arange(12).reshape((3,4))

# 在group2这个组里面创建name为dset6的数据集并赋值，类型为整型
f.create_dataset('subgroup2/dset6', (10,), dtype='I')

print(f.keys())
print(g1.keys())
print(g2.keys())
print(f['dset1'])
print(f['dset2'])

# 设置属性 Attributes
d1.attrs['weight'] = 30
d2.attrs['weight'] = 70

# 遍历属性值
for k in d1.attrs.keys():
    print('{} => {}'.format(k, d1.attrs[k]))
        
# 遍历数据集
for key in f.keys():
    print(f[key].name)
    print(f[key]) 

# 关闭文件
f.close()


#if f.__bool__():
#       f.close() 

3. 打开已有的HDF5文件，读取数据

# 打开已有的HDF5文件
with h5py.File('myh5py.hdf5', 'r') as f:
    print(list(f.keys()))
    # 读入数据集
    dset1 = f['dset1']
    dset5 = f['subgroup1/dset5']
    print(type(dset1)) # <class 'h5py._hl.dataset.Dataset'>

    print(dset1.shape)
    print(dset1.dtype)

    print(dset1)

    # 转化为numpy格式
    np_dset1 = np.array(dset1)
    np_dset5 = np.array(dset5)
    print(type(np_dset5))  # <class 'numpy.ndarray'>
    print(np_dset1)
    print(np_dset5)

参考：
https://docs.h5py.org/en/latest/quick.html