使用Python访问HDF5数据有两种方法：h5py and pytables。
两者都很好，但具有不同的功能：
-
h5py（来自 h5py FAQ）：尝试将 HDF5 功能集映射到 NumPy
尽可能接近。有人说这让 h5py 更加“Pythonic”。
-
PyTables（来自 PyTables FAQ）：在 HDF5 和 NumPy 之上构建一个额外的抽象层。它有更广泛的搜索
功能（与 h5py 相比）。
使用 HDF5 数据时，了解 HDF5 数据模型非常重要。这超出了本文的范围。为了简单起见，将数据模型视为文件系统；其中“组”和“数据集”就像“文件夹”和“文件”。两者都可以有属性。 “节点”是指“组”或“数据集”的术语。
@Kiran Ramachandra 概述了一种方法h5py。由于您用以下标签标记了您的帖子pytables，下面概述的是与pytables.
注意：Kiran 的示例假设数据集 1、2、3 均位于根级别。你说你也有团体。您的小组可能也有一些数据集。您可以使用HDFView https://www.hdfgroup.org/downloads/hdfview/用于查看数据模型和数据的实用程序。
import tables as tb
h5f = tb.open_file('a.h5')
这为您提供了一个文件对象，您可以使用它来访问其他对象（组或数据集）。
h5f.walk_nodes()
它是节点和子节点的可迭代对象，并给出完整的 HDF5 数据结构（记住“节点”可以是组和数据集）。您可以使用以下命令列出所有节点和类型：
for anode in h5f.walk_nodes() :
print (anode)
使用以下命令获取（非递归）节点名称的 Python 列表：
h5f.list_nodes()
这将获取属性的值cloudy from dataset1（如果存在）：
h5f.root.dataset1._f_getattr('cloudy')
如果您想要节点的所有属性，请使用它（如图所示）dataset1):
ds1_attrs = h5f.root.dataset1._v_attrs._v_attrnames
for attr_name in ds1_attrs :
print ('Attribute', attr_name,'=' ,h5f.root.dataset1._f_getattr(attr_name))
以上所有参考资料dataset1在根级别（h5f.root）。
如果数据集位于组中，则只需将组名称添加到路径中即可。
为了dataset2在名为agroup, use:
h5f.root.agroup.dataset2._f_getattr('rainy')
这将获取属性的值rainy from dataset2 in agroup（如果存在）
如果您想要所有属性dataset2:
ds2_attrs = h5f.root.agroup.dataset2._v_attrs._v_attrnames
for attr_name in ds2_attrs :
print ('Attribute', attr_name,'=' , h5f.root.agroup.dataset2._f_getattr(attr_name))
为了完整性，下面是要创建的代码a.h5在我的例子中使用。numpy只需要定义dtype创建表时。一般来说，HDF5 文件是可以互换的（因此您可以使用以下命令打开此示例h5py).
import tables as tb
import numpy as np
h5f = tb.open_file('a.h5','w')
#create dataset 1 at root level, and assign attribute
ds_dtype = np.dtype([('a',int),('b',float)])
dataset1 = h5f.create_table(h5f.root, 'dataset1', description=ds_dtype)
dataset1._f_setattr('cloudy', 'True')
#create a group at root level
h5f.create_group(h5f.root, 'agroup')
#create dataset 2,3 at root.agroup level, and assign attributes
dataset2 = h5f.create_table(h5f.root.agroup, 'dataset2', description=ds_dtype)
dataset2._f_setattr('rainy', 'True')
dataset3 = h5f.create_table(h5f.root.agroup, 'dataset3', description=ds_dtype)
dataset3._f_setattr('cloudy', 'True')
h5f.close()
