python3hdf5 파일 경로 코드
코드 보세요~
import h5py
import numpy as np
f = h5py.File('train/e1_1.hdf5')
key = ""
for k in f.keys():
key = k
d = f[key]
print(d)
a = np.ones(d.shape)
d.read_direct(a)
print(a)
f.close()
추가: HDF5 파일 및 Python 모듈의 h5pyHDF5 파일
HDF5 파일이란 무엇입니까?
먼저 위키백과의 설명을 인용합니다. "계층적 데이터 형식(Hierarchical Data Format: HDF)은 대량의 데이터를 저장하고 조직하는 데 사용되는 파일 형식 집합(HDF4, HDF5)입니다.
미국 국가 슈퍼컴퓨팅 응용 센터에서 최초로 개발되었고, 현재는 비영리 동아리 HDF Group이 지원하고 있으며, 그 임무는 HDF5 기술의 지속적인 개발과 HDF에 저장된 데이터의 지속적인 접근성을 확보하는 것이다.
HDF5는 광범위한 데이터 유형, 유연성, 공통성, 플랫폼 간 확장성, 효율적인 I/O 성능, 거의 무제한(최대 EB)의 단일 파일 스토리지 등 다양한 과학적 데이터를 저장하고 조작하는 데 특히 적합한 다양한 기능을 갖추고 있습니다.
어떻게 Linux에서 hdf5 파일을 볼 수 있습니까?
h5ls info.h5
# key1 Dataset {10000}
# key2 Dataset {10000,5}
# key3 Dataset {20000,30}
h5py 모듈
우리는 Python을 사용하여 hdf5 파일을 매우 편리하게 읽을 수 있습니다. 가장 자주 사용하는 모듈은 h5py입니다.설치 및 사용 방법에 대해 설명합니다.
설치 모듈
pip install h5py
pip install numpy
# numpy
h5py에 대한 요약:
"하나의 HDF5 파일은 다음과 같은 두 유형의 객체를 저장하는 컨테이너입니다.
데이터set: 유사한 그룹의 데이터 집합;gropp;디렉터리와 같은 용기입니다. 데이터 집합과 다른 그룹을 포함할 수 있습니다.
HDF5 파일은 "/"라는 그룹에서 시작되며, 모든 데이터셋과 다른 그룹은 이 그룹에 포함되어 있으며, HDF5 파일을 조작할 때, 그룹을 명시적으로 지정하지 않은 데이터셋은 기본적으로 "/"아래의 데이터셋을 가리키며, 상대 파일 경로와 유사한 그룹 이름은 "/"에 대한 것입니다.
HDF5 파일의 데이터 세트와 그룹은 attribute라고 불리는 설명적인 메타데이터를 가지고 있습니다.
h5py로 HDF5 파일을 조작하면 우리는 디렉터리를 사용하듯이 그룹을 사용할 수 있고,numpy 그룹을 사용하듯이 데이터셋을 사용할 수 있으며, 사전을 사용하듯이 속성을 사용할 수 있어 매우 편리하고 사용하기 쉽다."
hdf5 파일 쓰기
import h5py
import numpy as np
# group dataset
f = h5py.File('info.h5', 'w')
values1 = np.arange(12).reshape(4, 3)
values2 = np.arange(20).reshape(4, 5)
f.create_dataset(name='key1', data=np.array(values1, dtype='int64'))
f.create_dataset(name='key2', data=np.array(values2, dtype='int64'))
# group( )
# dataset group
f.create_group('/dir1')
f.create_group('/dir1/dir2')
data = np.arange(6).reshape(3, 2)
f.create_dataset('/dir1/dir2', data=data)
#
f.close()
hdf5 파일 읽기
import h5py
with h5py.File(info.h5, 'r') as f:
values1 = f['key1'].value
values2 = f['key2'].value
이상의 개인적인 경험으로 여러분께 참고가 되었으면 좋겠습니다. 또한 많은 응원 부탁드립니다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Jupyter 공식 DockerHub에 대한 메모에 기재되어 있다. base-notebook minimal-notebook scipy-notebook tensorflow-notebook datascience-notebook pyspark-notebook all-s...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.