python中h5文件制作与读取

1.h5文件格式

https://blog.csdn.net/buchidanhuang/article/details/89716252

HDF(Hierarchical Data Format)，设计用于存储和组织大量数据的文件格式。

h5文件中有两个核心的概念：组“group”和数据集“dataset”。组可以理解为文件夹，数据集理解为文件，文件夹中可以递归地包含文件夹、文件等。

• dataset ：简单来讲类似数组组织形式的数据集合，像 numpy 数组一样工作，一个dataset即一个numpy.ndarray。具体的dataset可以是图像、表格，甚至是pdf文件和excel。
• group：包含了其它 dataset(数组) 和 其它 group ，像字典一样工作。

 

 

 2.读取h5文件

# Reading h5 file 

import h5py
with h5py.File('cat_dog.h5',"r") as f:
    for key in f.keys():
         #print(f[key], key, f[key].name, f[key].value) 
　　　　　　# 因为这里有group对象它是没有value属性的,故会异常。另外字符串读出来是字节流，需要解码成字符串。
        print(f[key], key, f[key].name)

"""
结果：
<HDF5 group "/dogs" (1 members)> dogs /dogs
<HDF5 dataset "list_classes": shape (2,), type "|S7"> list_classes /list_classes
<HDF5 dataset "train_set_x": shape (209, 64, 64, 3), type "|u1"> train_set_x /train_set_x
<HDF5 dataset "train_set_y": shape (209,), type "<i8"> train_set_y /train_set_y

代码解析：

• 文件对象f它表示h5文件的根目录(root group),
• group是按字典的方式工作的,通过f.keys()来找到根目录下的所有dataset和group的key，然后通过key来访问各个dataset或group对象。

结果解析：

1.我们可以发现这个h5文件下有1个叫dogs的文件夹(group)和3个文件(dataset)它们分别叫list_classes,train_set_x,train_set_y它们的shape都可知。
dogs group下有一个成员但我们不知道它是group还是dataset。
2.我们可以发现key和name的区别:

• key是关键字
• name绝对路径：比如下文中访问name得到：/dogs/husky，它表示根目录下有dogs这个挂载点，dogs下又挂载了husky。

在打开的f中继续：

    dogs_group =  f["dogs"]
    for key in dogs_group.keys():
        print(dogs_group[key], dogs_group[key].name)

结果：
<HDF5 dataset "husky": shape (64, 64, 3), type "<f8"> /dogs/husky
可见dogs文件夹下有个key为husky的文件dataset

打印Group的name和Dataset的value：

from h5py import Dataset, Group, File
with File('cat_dog.h5','r') as f:
    for k in f.keys():
        if isinstance(f[k], Dataset):
            print(f[k].value)
        else:
            print(f[k].name)

3.写h5文件

# Writing h5

import h5py
import numpy as np
# mode可以是"w",为防止打开一个已存在的h5文件而清除其数据,故使用"a"模式
with h5py.File("animals.h5", 'a') as f:
    f.create_dataset('animals_included',data=np.array(["dogs".encode(),"cats".encode()])) # 根目录下创建一个总览介绍动物种类的dataset,字符串应当字节化
    dogs_group = f.create_group("dogs") # 在根目录下创建gruop文件夹:dogs
    f.create_dataset('cats',data = np.array(np.random.randn(5,64,64,3))) # 根目录下有一个含5张猫图片的dataset文件
    dogs_group.create_dataset("husky",data=np.random.randn(64,64,3)) # 在dogs文件夹下分别创建两个dataset,一张哈士奇图片和一张柴犬的图片
    dogs_group.create_dataset("shiba",data=np.random.randn(64,64,3))

 

2.从hd5转换为csv格式

https://gist.github.com/kokitsuyuzaki/5b6cebcaf37100c8794bdb89c7135fd5