1 HDF5文件

• HDF5 是 Hierarchical Data Format version 5 的缩写，是一种用于存储和管理大量数据的文件格式
• 一个h5py文件可以看作是 “dataset” 和 “group” 二合一的容器
  • dataset : 数据集，像 numpy 数组一样工作
  • group : 包含了其它 dataset 和 其它 group

2  读取文件

以t2vec的 data/porto-vocab-dist-cell100.h5 为例

import h5py
import numpy as npdata_dir='/home/ruizhichai/t2vec/data/porto-vocab-dist-cell100.h5'file=h5py.File(data_dir,'r')
#打开文件

2.1 keys:获取h5文件中所有组和数据集的名称

file.keys()
#<KeysViewHDF5 ['D', 'V']>

2.2 visit：根据指定的函数来遍历.h5文件的组和数据集

file.visit(lambda x: print(x))
'''
D
V
'''

2.3 读取每个数据集的内容

file['D'][:].shape,file['D'][:]
'''
((18866, 10),array([[   0.        ,    0.        ,    0.        , ...,    0.        ,0.        ,    0.        ],[   0.        ,    0.        ,    0.        , ...,    0.        ,0.        ,    0.        ],[   0.        ,    0.        ,    0.        , ...,    0.        ,0.        ,    0.        ],...,[ 412.31056256,  400.        ,  316.22776602, ...,  223.60679775,141.42135624,  200.        ],[1486.60687473, 1389.24439894, 1476.48230602, ...,  447.2135955 ,100.        ,    0.        ],[ 761.57731059,  707.10678119,  670.82039325, ...,  100.        ,0.        ,  200.        ]]))
'''

3 写HDF5文件

data_dir='tst.h5'file=h5py.File(data_dir,'w')

3.1 创建组

grp_1=file.create_group('group_1')
grp_2=file.create_group('group_2')

3.2 向组/file根目录写文件

lst1=np.arange(10)
lst2=np.arange(5,8)
lst3=np.arange(6,10,2)grp_1.create_dataset("lst1",data=lst1)
grp_2.create_dataset("lst2",data=lst2)
file.create_dataset("lst3",data=lst3)file.keys()
#<KeysViewHDF5 ['group_1', 'group_2', 'lst3']>file['group_1'].keys()
#<KeysViewHDF5 ['lst1']>file['group_1']['lst1'][:]
#array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])