使用 astype 在 H5py 中创建对 HDF 数据集的引用

来自h5py 文档 http://docs.h5py.org/en/latest/high/dataset.html#Dataset.astype，我发现我可以使用以下命令将 HDF 数据集转换为另一种类型astype数据集的方法。这会返回一个上下文管理器，它会即时执行转换。

但是，我想读取存储为的数据集uint16然后将其投射到float32类型。此后，我想以不同的函数从该数据集中提取各种切片作为转换类型float32。该文档将其用途解释为

with dataset.astype('float32'):
   castdata = dataset[:]

这将导致整个数据集被读入并转换为float32，这不是我想要的。我想引用数据集，但将其转换为float32相当于numpy.astype。如何创建对.astype('float32')对象以便我可以将其传递给另一个函数使用？

一个例子：

import h5py as HDF
import numpy as np
intdata = (100*np.random.random(10)).astype('uint16')

# create the HDF dataset
def get_dataset_as_float():
    hf = HDF.File('data.h5', 'w')
    d = hf.create_dataset('data', data=intdata)
    print(d.dtype)
    # uint16

    with d.astype('float32'):
    # This won't work since the context expires. Returns a uint16 dataset reference
       return d

    # this works but causes the entire dataset to be read & converted
    # with d.astype('float32'):
    #   return d[:]

此外，似乎 astype 上下文仅在访问数据元素时适用。这意味着

def use_data():
   d = get_data_as_float()
   # this is a uint16 dataset

   # try to use it as a float32
   with d.astype('float32'):
       print(np.max(d))   # --> output is uint16
       print(np.max(d[:]))   # --> output is float32, but entire data is loaded

那么有没有一种类似 numpy 的方式来使用 astype 呢？

d.astype()返回一个AstypeContext目的。如果你查看源代码AstypeContext你会更好地了解正在发生的事情：

class AstypeContext(object):

    def __init__(self, dset, dtype):
        self._dset = dset
        self._dtype = numpy.dtype(dtype)

    def __enter__(self):
        self._dset._local.astype = self._dtype

    def __exit__(self, *args):
        self._dset._local.astype = None

当您输入AstypeContext, the ._local.astype数据集的属性将更新为新的所需类型，当您退出上下文时，它会更改回其原始值。

因此，您或多或少可以获得您正在寻找的行为，如下所示：

def get_dataset_as_type(d, dtype='float32'):

    # creates a new Dataset instance that points to the same HDF5 identifier
    d_new = HDF.Dataset(d.id)

    # set the ._local.astype attribute to the desired output type
    d_new._local.astype = np.dtype(dtype)

    return d_new

当你现在读到d_new， 你会得到float32numpy 数组返回而不是uint16:

d = hf.create_dataset('data', data=intdata)
d_new = get_dataset_as_type(d, dtype='float32')

print(d[:])
# array([81, 65, 33, 22, 67, 57, 94, 63, 89, 68], dtype=uint16)
print(d_new[:])
# array([ 81.,  65.,  33.,  22.,  67.,  57.,  94.,  63.,  89.,  68.], dtype=float32)

print(d.dtype, d_new.dtype)
# uint16, uint16

请注意，这不会更新.dtype的属性d_new（这似乎是不可变的）。如果您也想更改dtype属性，您可能需要子类化h5py.Dataset为了这样做。