从 Python 中的 HDF5 文件中删除子组

Question

我正在尝试删除我在 Python 中使用 h5py 在 HDF5 文件中编写的子组。例如，根据文档，可以使用以下命令删除名为“MyDataset”的子组：

del subgroup["MyDataset"] 

我这样做了，并且实际上无法再访问子组。但是，文件不会减小其大小。我的问题是，是否可以使用 h5py 从已删除的子组中恢复空间，而无需将剩余的子组重写为全新的文件？下面我提供一个小例子来说明我的意思：

import numpy as np
import h5py

myfile = h5py.File('file1.hdf5')
data = np.random.rand(int(1e6))
myfile.create_dataset("MyDataSet", data=data)
myfile.close()

然后我打开文件并删除之前的条目：

myfile = h5py.File('file1.hdf5')
del myfile["MyDataSet"]

如果您尝试使用以下方法获取数据：

myfile["MyDataSet"].value

您将意识到无法再访问数据。但是，如果您检查文件的大小，它在调用 del 前后保持不变。

Answer 1

del myfile["MyDataSet"] 修改File 对象，但不修改底层file1.hdf5 文件。 file1.hdf5 文件在调用 myfile.close() 之前不会被修改。

如果你使用with-statement，当Python离开with-statement时，myfile.close()会自动为你调用：

import numpy as np
import h5py
import os

path = 'file1.hdf5'
with h5py.File(path, "w") as myfile:
    data = np.random.rand(int(1e6))
    myfile.create_dataset("MyDataSet", data=data)
    print(os.path.getsize(path))

with h5py.File(path, "a") as myfile:
    del myfile["MyDataSet"]
    try:
        myfile["MyDataSet"].value
    except KeyError as err:
        # print(err)
        pass

print(os.path.getsize(path))

打印

8002144         <-- original file size
2144            <-- new file size

---

请注意，第一次以写入模式（"w"）打开File 会创建一个新文件，第二次以附加模式（"a"，默认）打开File 允许读取现有文件并对其进行修改。