hdf5文件格式如何使用【详细教程】

今天爱分享给大家带来hdf5文件格式如何使用【详细教程】，希望能够帮助到大家。

最近，在使用gprMax进行仿真时发现gprMax在进行创建目标的可以从hdf5文件导入对象。而且我发现其实gpeMax的out其实也是hdf5文件格式，但是我竟然不知道hdf5文件是啥东西,有必要系统的了解一下。

hdf5文件结构
HDF5 文件一般以 .h5 或者 .hdf5 作为后缀名，需要专门的软件才能打开预览文件的内容。HDF5 文件结构中有 2 primary objects: Groups 和 Datasets。

Groups 就类似于文件夹，每个 HDF5 文件其实就是根目录 (root) group’/’。
Datasets 类似于 NumPy 中的数组 array 。

+-- /
|   +-- group_1
|   |   +-- dataset_1_1
|   |   |   +-- attribute_1_1_1
|   |   |   +-- attribute_1_1_2
|   |   |   +-- ...
|   |   |
|   |   +-- dataset_1_2
|   |   |   +-- attribute_1_2_1
|   |   |   +-- attribute_1_2_2
|   |   |   +-- ...
|

整个hdf5文件如上图所示，可以看到group类似我们所熟知的文件夹，dataset就类似于一个numpy中的的array。

每个 dataset 可以分成两部分: 原始数据 (raw) data values 和 元数据 metadata (a set of data that describes and gives information about other data => raw data)。

+-- Dataset
|   +-- (Raw) Data Values (eg: a 4 x 5 x 6 matrix)
|   +-- Metadata
|   |   +-- Dataspace (eg: Rank = 3, Dimensions = {4, 5, 6})
|   |   +-- Datatype (eg: Integer)
|   |   +-- Properties (eg: Chuncked, Compressed)
|   |   +-- Attributes (eg: attr1 = 32.4, attr2 = "hello", ...)
|

从上面的结构中可以看出：
Dataspace 给出原始数据的秩 (Rank) 和维度 (dimension)

Datatype 给出数据类型

Properties 说明该 dataset 的分块储存以及压缩情况

Attributes 为该 dataset 的其他自定义属性

python中使用h5py使用hdf5文件
首先安装h5py包，使用　pip install h5py

１.创建一个hdf5文件

#创建一个测试的hdf5文件
import h5py
import numpy as np

f = h5py.File("h5py_exaple.hdf5",'w')

#在该文件下建立一个group

g1 = f.create_group("gro1")

#在g1 group 下建立一个dataset
g1.create_dataset("data1",np.arange(10),np.int16))
g1.reate_dataset("d2",np.arange(10),np.int16))
g1.reate_dataset("d3",np.arange(10),np.int16))

print([key for key in g1.keys()])

#output: ['d2', 'd3', 'data1']
f.close()

2.读hdf5文件

import numpy as  np
import h5py

f = h5py.File("h5py_exaple.hdf5","r")
 print(f.filename)
 #output: h5py_exaple.hdf5
print([key for key in  f.keys()])
#output:  ['gro1']
print([key for key in  f['gro1'].keys()])
#output: ['d2', 'd3', 'data1']

３．追加内容

import numpy as  np
import h5py

f = h5py.File("h5py_exaple.hdf5","a")
f.create_group('gro2')
print([key for key in f.keys()])
#output: ['gro1','gro2']

4.删除hdf5文件中的某一个数据集(必须以’w’或者’a’模式打开)

import h5py
with h5py.File("h5py_exaple.hdf5","a") as  f:
	del f['gro1/data1']
	print([key for key in f['gro1'].keys()])
	#output ['d2','d3']