h5py快速入门指南

大家好，又见面了，我是你们的朋友全栈君。

h5py是Python语言用来操作HDF5的模块。下面的文章主要介绍h5py的快速入门指南，翻译自h5py的官方文档：http://docs.h5py.org/en/latest/quick.html 。该翻译仅为个人学习h5py为目的，如有翻译不当之处，请速联系笔者或提供正确的翻译，非常感谢！

安装

使用Anaconda或者Miniconda:

conda install h5py

用Enthought Canopy，可以使用GUI安装包安装或用

enpkg h5py

安装。用pip或setup.py安装，请参考安装方式。

核心概念

一个HDF5文件就是一个容器，用于储存两类对象：datasets，类似于数组的数据集合；groups，类似于文件夹的容器，可以储存datasets和其它groups。当使用h5py时，最基本的准则为：

groups类似于字典（dictionaries），dataset类似于Numpy中的数组（arrays）。

假设有人给你发送了一个HDF5文件， mytestfile.hdf5（如何创建这个文件，请参考：附录：创建一个文件）.首先你需要做的就是打开这个文件用于读取数据：

>>> import h5py
>>> f = h5py.File('mytestfile.hdf5', 'r')

这个File对象是你的起点。那么这个文件中储存了什么呢？记住，h5py.File就像一个Python字典，因此我们可以查看这些键值，

>>> list(f.keys())
['mydataset']

根据我们的观察，这个文件中有一个dataset，即mydataset. 让我们把这个dataset作为Dataset对象来检验

>>> dset = f['mydataset']

我们得到的这个对象不是一个数组，而是一个HDF5 dataset. 就像Numpy中的数据那样，datasets有形状（shape）和数据类型（data type）

>>> dset.shape
(100,)
>>> dset.dtype
dtype('int32')

同时它们也支持数组风格的切片操作。下面是你如何完成这个文件中的一个dataset的读写的方法

>>> dset[...] = np.arange(100)
>>> dset[0]
0
>>> dset[10]
10
>>> dset[0:100:10]
array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

想要更多参考，请前往File Objects和Datasets.

附录：创建一个文件

此时此刻，你也许会好奇mytestdata.hdf5是如何创建的。当File对象初始化后，我们通过将模式（mode）设置为w来创建一个文件。其它模式（mode）为a（用于读、写、新建）和r+（用于读、写）。一个完整的File模式以及它们的含义的列表可参考File对象。

>>> import h5py
>>> import numpy as np
>>> f = h5py.File("mytestfile.hdf5", "w")

File对象有几个看上去挺有趣的方法。其一为create_dataset，顾名思义，就是通过给定形状和数据类型来创建一个dataset

>>> dset = f.create_dataset("mydataset", (100,), dtype='i')

File对象是上下文管理器，因此，下面的代码也可运行

>>> import h5py
>>> import numpy as np
>>> with h5py.File("mytestfile.hdf5", "w") as f:
>>>     dset = f.create_dataset("mydataset", (100,), dtype='i')

Groups和分层结构

“HDF”是“Hierarchical Data Format”的缩写。每个HDF5文件中的对象都有一个名字（name），它们以类似于POSIX风格的分层结构存放，用/分隔符分隔

>>> dset.name
u'/mydataset'

在这个系统中“文件夹”（folders）被命名为groups. 我们创建的File对象本身也是一个group, 在这种情形下是根group（root group），名字为/:

>>> f.name
u'/'

创建一个子group（subgroup）可以通过一个巧妙的命令create_group来完成。但是，我们首先需要以读/写模式来打开文件

>>> f = h5py.File('mydataset.hdf5', 'r+')
>>> grp = f.create_group("subgroup")

所有Group对象，如同File对象一样，也有create_*方法：

>>> dset2 = grp.create_dataset("another_dataset", (50,), dtype='f')
>>> dset2.name
u'/subgroup/another_dataset'

顺便说一句，你不需要手动地创建所有的中间groups. 指定一个完整的路径同样可行

>>> dset3 = f.create_dataset('subgroup2/dataset_three', (10,), dtype='i')
>>> dset3.name
u'/subgroup2/dataset_three'

Groups支持大部分的Python字典风格的接口。你可以使用条目获取（item-retrieval）的语法来获取这个文件中的对象：

>>> dataset_three = f['subgroup2/dataset_three']

迭代一个group，就会产生它的成员的名字：

>>> for name in f:
...     print name
mydataset
subgroup
subgroup2

成员关系检测也可以通过使用名字来实现：

>>> "mydataset" in f
True
>>> "somethingelse" in f
False

你甚至可以使用完整的路径的名字：

>>> "subgroup/another_dataset" in f
True

它也有你熟悉的keys(), values(), items() 和iter() 的方法，以及get()方法。

因为迭代一个group只会产生它的直属成员，所以想要迭代一个完整的文件，可以使用Group的方法visit()和visititems(), 它们通过一个调用（callable）来实现:

>>> def printname(name):
...     print name
>>> f.visit(printname)
mydataset
subgroup
subgroup/another_dataset
subgroup2
subgroup2/dataset_three

想要更多参考，请前往Groups.

属性

HDF5的最好特征之一就是你可以在描述的数据后储存元数据（metadata）。所有的groups和datasets都支持几个数据位的附属命名，称为属性。（All groups and datasets support attached named bits of data called attributes.）

属性可以通过attrs这个代理对象来获取，这会再一次执行字典接口：

>>> dset.attrs['temperature'] = 99.5
>>> dset.attrs['temperature']
99.5
>>> 'temperature' in dset.attrs
True

想要更多参考，请前往Attributes.

注意：本人现已开通微信公众号： Python爬虫与算法（微信号为：easy_web_scrape）， 欢迎大家关注哦~~