<p>如果您是HDF5新手,我建议您采用爬行、行走、运行的方法来理解HDF5数据模型、特定的数据模式以及如何使用各种API(包括h5py和Pytable)。HDF5设计为自描述。换句话说,您可以通过检查找出模式。理解模式是处理数据的关键。在理解模式之前进行编码是非常令人沮丧的</p>
<p>我建议新用户从HDF组的<strong>开始使用<strong>HDFView</strong>。这是一个在GUI中查看数据的实用程序,无需编写代码。而且,当您开始编写代码时,直观地验证您是否正确读取了数据也很有帮助</p>
<p>接下来,学习如何遍历数据结构。在h5py中,可以使用<code>visititems()</code>方法来实现这一点。我最近用一个例子写了一个答案。看到这个答案:<a href="https://stackoverflow.com/a/65794143/10462884">SO 65793692: visititems() method to recursively walk nodes</a></p>
<p>在您的情况下,听起来您只需要读取由以下路径定义的数据集中的数据:<code>'[data/model_cints]'</code>或<code>'[data][model_cints]'</code>。两者都是有效的路径定义。(<code>'data'</code>是一个组,<code>'model_cints'</code>是一个数据集。组类似于文件夹/目录,数据集类似于文件。)</p>
<p>一旦有了数据集路径,就需要获取数据类型(如NumPy dtype)。使用h5py和使用NumPy的方法相同,可以获得该属性(以及形状属性)。这是我从您的数据类型中得到的:<br/>
<code>[('fs_date', '<f8'), ('date', '<f8'), ('prob', 'i1'), ('ymin', '<f8'), ('ymax', '<f8'), ('type', 'O'), ('name', 'O')]</code></p>
<p>您拥有的是一个混合类型的数组:4个浮点、1个int和2个字符串。这被提取为NumPy记录数组。这与所有元素都是相同类型(所有int、float或string)的典型数据数组不同。您可以使用行索引(整数)和字段名(尽管也可以使用列索引)访问</p>
<p>我在下面的代码中把所有这些放在一起。它显示了访问数据的不同方法。(希望多个方法不会混淆这一解释。)根据您希望如何读取数据,每个方法都很有用</p>
<p>注意:此数据看起来像是合并到单个文件中的多个测试的结果。如果您可能希望查询以获取特定的测试值,则应调查PyTables。它具有h5py中不可用的一些强大搜索功能,可简化该任务。祝您好运</p>
<pre><code>with h5py.File("example.hdf5", "r") as h5f:
# Get a h5py dataset object
data_ds = h5f['data']['model_cints']
print ('data_ds dtype:', data_ds.dtype, '\nshape:', data_ds.shape)
# get an array with all fs_date data only
fs_date_arr = data_ds[:]['fs_date']
print ('fs_date_arr dtype:', fs_date_arr .dtype, '\nshape:', fs_date_arr .shape)
# Get the entire dataset as 1 numpy record array
data_arr_all = h5f['data']['model_cints'][:]
# this also works:
data_arr_all = data_ds[:]
print ('data_arr_all dtype:', data_arr_all.dtype, '\nshape:', data_arr_all.shape)
# Get the first 6 rows as 1 numpy record array
data_arr6 = h5f['data']['model_cints'][0:6][:]
# this also works:
data_arr6 = data_ds[0:6][:]
print ('data_arr6 dtype:', data_arr6.dtype, '\nshape:', data_arr6.shape)
</code></pre>