将嵌套的 .h5 组读入 numpy 数组

Question

我从朋友那里收到了这个 .h5 文件，我需要将其中的数据用于一些工作。所有数据都是数字。这是我第一次使用这类文件。我在这里找到了许多关于阅读这些文件的问题和答案，但我找不到进入文件包含的较低级别的组或文件夹的方法。 该文件包含两个主要文件夹，即 X 和 Y X 包含一个名为 0 的文件夹，其中包含两个名为 A 和 B 的文件夹。 Y 包含十个名为 1-10 的文件夹。 我要读取的数据在 A,B,1,2,..,10 例如我从

f = h5py.File(filename, 'r')
f.keys()

现在f返回 [u'X', u'Y'] 两个主要文件夹

然后我尝试使用 read_direct 读取 X 和 Y，但出现错误

AttributeError: 'Group' 对象没有属性 'read_direct'

我尝试如下为 X 和 Y 创建一个对象

obj1 = f['X']

obj2 = f['Y']

那么如果我使用像

这样的命令

obj1.shape
obj1.dtype 

我收到一个错误

AttributeError：“组”对象没有属性“形状”

我可以看到这些命令不起作用，因为我在 X 和 Y 上使用 then，这些文件夹不包含数据，但包含其他文件夹。

所以我的问题是如何进入名为 A、B、1-10 的文件夹来读取数据

即使在文档 http://docs.h5py.org/en/latest/quick.html 中我也找不到这样做的方法

Answer 1

您需要遍历 HDF5 层次结构，直到到达数据集。组没有形状或类型，数据集有。

假设您事先不知道您的层次结构，您可以使用递归算法通过迭代器以group1/group2/.../dataset 的形式生成所有可用数据集的完整路径。下面是一个例子。

import h5py

def traverse_datasets(hdf_file):

    def h5py_dataset_iterator(g, prefix=''):
        for key in g.keys():
            item = g[key]
            path = f'{prefix}/{key}'
            if isinstance(item, h5py.Dataset): # test for dataset
                yield (path, item)
            elif isinstance(item, h5py.Group): # test for group (go down)
                yield from h5py_dataset_iterator(item, path)

    for path, _ in h5py_dataset_iterator(hdf_file):
        yield path

例如，您可以迭代所有您感兴趣的数据集路径和输出属性：

with h5py.File(filename, 'r') as f:
    for dset in traverse_datasets(f):
        print('Path:', dset)
        print('Shape:', f[dset].shape)
        print('Data type:', f[dset].dtype)

请记住，默认情况下，HDF5 中的数组不会完全在内存中读取。您可以通过arr = f[dset][:] 读入内存，其中dset 是完整路径。