使用 h5py 从 h5 文件中的同一组中读取多个数据集答案

【问题标题】：Read multiple datasets from same Group in h5 file using h5py使用 h5py 从 h5 文件中的同一组中读取多个数据集
【发布时间】：2019-10-04 16:50:26
【问题描述】：

我的 h5 文件中有几个组：'group1', 'group2', ...，每个组有 3 个不同的数据集：'dataset1', 'dataset2', 'dataset3'，它们都是具有数值的数组，但数组的大小不同。

我的目标是将每个数据集从组保存到一个 numpy 数组。

示例：

import h5py
filename = '../Results/someFileName.h5'
data = h5py.File(filename, 'r')

现在我可以轻松地遍历所有组

for i in range(len(data.keys())):
    group = list(data.keys())[i]

但我不知道如何访问组内的数据集。所以我正在寻找类似 MATLAB 的东西：

hinfo = h5info(filename);
for i = 1:length(hinfo.Groups())
     datasetname = [hinfo.Groups(i).Name '/dataset1'];
     dset = h5read(fn, datasetname);

dset 现在是一个数字数组。

有没有办法可以用 h5py 做同样的事情？

【问题讨论】：

标签： python matlab hdf5 h5py

【解决方案1】：

你的想法是对的。但是，您不需要在range(len(data.keys())) 上循环。只需使用data.keys()；它返回一个可迭代的对象名称列表。试试这个：

import h5py
filename = '../Results/someFileName.h5'
data = h5py.File(filename, 'r')
for group in data.keys() :
    print (group)
    for dset in data[group].keys():      
        print (dset)
        ds_data = data[group][dset] # returns HDF5 dataset object
        print (ds_data)
        print (ds_data.shape, ds_data.dtype)
        arr = data[group][dset][:] # adding [:] returns a numpy array
        print (arr.shape, arr.dtype)
        print (arr)

注意：仅当顶层只有组（无数据集）时，上述逻辑才有效。它不会将对象类型作为组或数据集进行测试。

为避免这些假设/限制，您应该调查.visititems()。它将递归地访问对象。查看这 2 个答案以获取显示 .visititems() 用法的示例：

[使用 visititems(-function-) 递归循环][1]
此示例使用isinstance() 作为测试。该对象在测试h5py.Group 为真时是一个组，而在测试h5py.Dataset 为真时是一个数据集。我认为这比下面的第二个示例更 Pythonic（恕我直言）。
[将 hdf5 转换为按文件夹组织的原始文件][2]
它检查访问对象下方的对象数量。当没有子组时，它是一个数据集。当有子组时，它就是一个组。

[1]:https://stackoverflow.com/a/57067674/10462884) [2]：Convert hdf5 to raw organised in folders

编辑

【讨论】：

@skrat，我修改了我的原始帖子以修复检索数据时的一个小（但很重要）错误。当你使用arr = h5f[group][dset] 时，你会得到一个HDF5 数据集对象（不是一个numpy 数组）。在许多方面，对象的行为就像一个数组（您可以切片等）。但是，并非所有 numpy 数组方法都适用于数据集对象（.reshape() 就是一个示例）。如果您需要一个 numpy 数组，请使用 numpy 索引表示法添加一个范围（[:] 用于我的代码中的整个数据集）。您可以切片以将数据子集作为数组获取。注意：支持有限的花式索引子集。阅读 h5py 文档了解详情。

【解决方案2】：

此方法要求数据集名称“dataset1”、“dataset2”、“dataset3”等在一个 hdf5 文件的每个 hdf5 组中相同。

# create empty lists
lat = []
lon = []
x = []
y = []

# fill lists creating numpy arrays
h5f = h5py.File('filename.h5', 'r') # read file
for group in h5f.keys(): # iterate through groups
    for datasets in h5f[group].keys(): #iterate through datasets
        lat = np.append(lat, h5f[group]['lat'][()]) # append data
        lon = np.append(lon, h5f[group]['lon'][()])
        x = np.append(x, h5f[group]['x'][()])
        y = np.append(y, h5f[group]['y'][()])

【讨论】：