python中h5py开源库怎么使用
本文主要介绍"python中h5py开源库怎么使用" 有关的知识，希望能够解决您遇到有关问题，下面我们一起来看看这篇 "python中h5py开源库怎么使用" 文章。
一、h6py模块介绍
h6py简单介绍
一个HDF5文件是一种存放两类对象的容器：dataset和group. Dataset是类似于数组的数据集，而group是类似文件夹一样的容器，它好比python中的字典，有键(key)和值(value)，存放dataset和其他group。在使用h6py的时候需要牢记一句话：groups类比字典，dataset类比Numpy中的数组。
HDF5的dataset虽然与Numpy的数组在接口上很相近，但是支持更多对外透明的存储特征，如：数据压缩，误差检测，分块传输。
二、h6py模块使用
h6py创建的文件后缀名为：.hdf5
1、h6py接口简单介绍
h6py模块的使用主要分成两步走：
- 1）创建.hdf5类型文件句柄（创建一个对象） # 读取文件把“w”改成“r”
f=h6py.File("myh6py.hdf5","w")
- 2）创建数据（dataset）或组（group）
创建数据（dataset）:
f.create_dataset(self, name, shape=None, dtype=None, data=None, **kwds)
创建组（group）：
create_group(self, name, track_order=False)
2、h6py的使用样例
- 创建一个h6py文件
import h6py #要是读取文件的话，就把w换成r f=h6py.File("myh6py.hdf5","w")
在当前目录下会生成一个myh6py.hdf5文件
- 创建dataset数据集
import h6py f=h6py.File("myh6py.hdf5","w") #deset1是数据集的name，（20,）代表数据集的shape，i代表的是数据集的元素类型 d1=f.create_dataset("dset1", (20,), 'i') for key in f.keys(): print(key) print(f[key].name) print(f[key].shape) print(f[key].value) 输出： dset1 /dset1 (20,) [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
这里我们仅仅创建了一个存放20个整型元素的数据集，并没有赋值，默认全是0，如何赋值呢，看下面的代码。
import h6py import numpy as np f=h6py.File("myh6py.hdf5","w") d1=f.create_dataset("dset1",(20,),'i') #赋值 d1[...]=np.arange(20) #或者我们可以直接按照下面的方式创建数据集并赋值 f["dset2"]=np.arange(15) for key in f.keys(): print(f[key].name) print(f[key].value) 输出： /dset1 [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19] /dset2 [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
如果我们有现成的numpy数组，那么可以在创建数据集的时候就赋值，这个时候就不必指定数据的类型和形状了，只需要把数组名传给参数data。
import h6py import numpy as np f=h6py.File("myh6py.hdf5","w") a=np.arange(20) d1=f.create_dataset("dset1",data=a) for key in f.keys(): print(f[key].name) print(f[key].value) 输出： /dset1 [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
现在把这几种创建的方式混合写下。看下面的代码
import h6py import numpy as np f=h6py.File("myh6py.hdf5","w") #分别创建dset1,dset2,dset3这三个数据集 a=np.arange(20) d1=f.create_dataset("dset1",data=a) d2=f.create_dataset("dset2",(3,4),'i') d2[...]=np.arange(12).reshape((3,4)) f["dset3"]=np.arange(15) for key in f.keys(): print(f[key].name) print(f[key].value) 输出： /dset1 [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19] /dset2 [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] /dset3 [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] 3. 创建group组 import h6py import numpy as np f=h6py.File("myh6py.hdf5","w") #创建一个名字为bar的组 g1=f.create_group("bar") #在bar这个组里面分别创建name为dset1,dset2的数据集并赋值。 g1["dset1"]=np.arange(10) g1["dset2"]=np.arange(12).reshape((3,4)) for key in g1.keys(): print(g1[key].name) print(g1[key].value) 输出： /bar/dset1 [0 1 2 3 4 5 6 7 8 9] /bar/dset2 [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]
注意观察数据集dset1和dset2的名字是不是有点和前面的不一样，如果是直接创建的数据集，不在任何组里面，那么它的名字就是/+名字，现在这两个数据集都在bar这个group(组)里面，名字就变成了/bar+/名字，是不是有点文件夹的感觉！继续看下面的代码，你会对group和dataset的关系进一步了解。
import h6py import numpy as np f=h6py.File("myh6py.hdf5","w") #创建组bar1,组bar2，数据集dset g1=f.create_group("bar1") g2=f.create_group("bar2") d=f.create_dataset("dset",data=np.arange(10)) #在bar1组里面创建一个组car1和一个数据集dset1。 c1=g1.create_group("car1") d1=g1.create_dataset("dset1",data=np.arange(10)) #在bar2组里面创建一个组car2和一个数据集dset2 c2=g2.create_group("car2") d2=g2.create_dataset("dset2",data=np.arange(10)) #根目录下的组和数据集 print(".............") for key in f.keys(): print(f[key].name) #bar1这个组下面的组和数据集 print(".............") for key in g1.keys(): print(g1[key].name) #bar2这个组下面的组和数据集 print(".............") for key in g2.keys(): print(g2[key].name) #顺便看下car1组和car2组下面都有什么，估计你都猜到了为空。 print(".............") print(c1.keys()) print(c2.keys()) 输出： ............. /bar1 /bar2 /dset ............. /bar1/car1 /bar1/dset1 ............. /bar2/car2 /bar2/dset2 ............. [] []
Reference：
1、blog.csdn.net/csdn1569884…
2、blog.csdn.net/yudf2010/ar…
关于 "python中h5py开源库怎么使用" 就介绍到这。希望大家多多支持编程宝库。
本文主要介绍"python重复值如何处理" 有关的知识，希望能够解决您遇到有关问题，下面我们一起来看看这篇 "python重复值如何处理" 文章。今天，先处理重复值，首先创建一个包含重复值的DataFrame,如 ...