如何将 numpy 数组转换为 Zarr 数组

Question

假设我将一个简单的列数据框转换为一个 numpy 数组：

gdf.head()
>>>

     rid    rast
0      1    01000001000761C3ECF420013F0761C3ECF42001BF7172...
1      2    01000001000761C3ECF420013F0761C3ECF42001BF64BF...
2      3    01000001000761C3ECF420013F0761C3ECF42001BF560C...
3      4    01000001000761C3ECF420013F0761C3ECF42001BF7F25...
4      5    01000001000761C3ECF420013F0761C3ECF42001BF7172...

raster_np = gdf.to_numpy()
raster_np[0][0]
>>> array([1, '01000001000761C3E.........], dtype=object))   

我的任务是将 numpy 数组转换为 Zarr 文件格式（因为 rast 值的大小和数据帧的大小，可能需要分块和压缩以及新的 .zarr 文件我认为可以在 S3/云存储环境中更好地利用）。我创建了一个简单的Zarr 数组，如下所示：

 z_test = z.zeros(shape=(10000, 2), chunks=(10000, 2))
 z_test
 >>> <zarr.core.Array (10000, 2) float64>

现在，如何将raster_np 中的数据放入z_test 并保留Zarr 属性？简单地使用z_test = raster_np 显然是行不通的。也许我对Zarr 有一些误解。有什么建议吗？

Answer 1

由于您的初始数组是混合类型（对象），您需要创建具有正确数据类型的 zarr 数组，并对数据进行编码。你可以使用来自numcodecs的JSON编码器

import numcodecs

z_test = zarr.zeros(shape=(10000, 2), dtype=object, object_codec=numcodecs.JSON())
z_test[:] = raster_np

但是，如果您将rid 和raster 列分别存储为具有int 和str 数据类型的单独数组，或者将十六进制转换为另一个基数，您将获得更好的性能。