Python操作HDF5文件示例
目录
- 引言
- 创建文件和数据集
- 写数据集
- 读数据集
引言
在Matlab操作HDF5文件中已经详细介绍了HDF5文件已经利用Matlab对其进行操作的方法。这篇文章总结一下如何在Python下使用HDF5文件。我们仍然按照Matlab操作HDF5文件的顺序进行,分别是创建HDF5文件,写入数据,读取数据。
Python下的HDF5文件依赖h5py工具包
创建文件和数据集
使用`h5py.File()方法创建hdf5文件
h5file = h5py.File(filename,'w')
然后在此基础上创建数据集
X = h5file.create_dataset(shape=(0,args.patch_size,args.patch_size), #数据集的维度 maxshape = (None,args.patch_size,args.patch_size), #数据集的允许最大维度 dtype=float,compression='gzip',name='train', #数据类型、是否压缩,以及数据集的名字 chunks=(args.chunk_size,args.patch_size,args.patch_size)) #分块存储,每一分块的大小
最为关系的两个参数为shape和maxshape,很显然我们希望数据集的某一个维度是可以扩展的,所以在maxshape中,将希望扩展的维度标记为None,其他维度和shape参数里面的一样。还有一点值得注意的是,使用compression='gzip'以后,整个数据集能够被极大的压缩,对比较大的数据集非常又用,并且在数据读写的时候,不用用户显式的解码。
写数据集
在使用上面的creat_dataset创建了dataset以后,读写数据集就如同读写numpy数组一样方便,比如上面的函数定义了数据集'train',也就是变量X以后,可以下面的方法来读写:
data = np.zeros((100,args.patch_size,arg)) X[0:100,:,:] = data
在前面创建数据集的时候,我们定义shape = (args.chunk_size,args.patch_size,args.patch_size),如果有更多的数据,怎么办呢?
可以使用resize方法来扩展在maxshape中定义为None的那个维度:
X.resize(X.shape[0]+args.chunk_size,axis=0)
因为我们在maxshape=(None,args.patch_size,args.patch_size)中将第零个维度定义为可扩展,所以,首先我们用X.shape[0]来找到该维度的长度,并将其扩展。该维度扩展以后,就可以继续向里面写入数据了。
读数据集
读取h5文件的方法也非常简单,首先利用h5py.File方法打开对应的h5文件,然后将里面的某个数据集取出至变量,对这个变量的读取就如同numpy一样了。
h = h5py.File(hd5file,'r') train = h['train'] train[1] train[2] ...
但是上面的读取方法存在一个问题就是每一次使用的时候(train[1],train[2])都需要从硬盘读取数据,这将会导致读取的速度比较慢。一个比较好的方法是,每次从硬盘读取一个chunk_size的数据,然后将这些数据存储到内存中,在需要的时候从内存中读取,比如使用下面的方法:
h = h5py.File(hd5file,'r') train = h['train'] X = train[0:100] #一次从硬盘中读取比较多的数据,X将存储在内存中 X[1] #从内存中读取 X[2] #从内存中读取
这样的方法就会快很多。
以上就是Python操作HDF5文件示例的详细内容,更多关于Python操作HDF5文件的资料请关注我们其它相关文章!