如果您要保存的对象是带有数值的嵌套字典,则可以使用以下命令重新创建它group/set
H5 文件的结构。
一个简单的递归函数是:
def write_layer(gp, adict):
for k,v in adict.items():
if isinstance(v, dict):
gp1 = gp.create_group(k)
write_layer(gp1, v)
else:
gp.create_dataset(k, data=np.atleast_1d(v))
In [205]: dd = {'value1': 0.09, 'state': {'angle_rad': 0.034903, 'value2': 0.83322}, 'value3': 0.3}
In [206]: f = h5py.File('test.h5', 'w')
In [207]: write_layer(f, dd)
In [208]: list(f.keys())
Out[208]: ['state', 'value1', 'value3']
In [209]: f['value1'][:]
Out[209]: array([ 0.09])
In [210]: f['state']['value2'][:]
Out[210]: array([ 0.83322])
您可能想要对其进行细化并将标量保存为属性而不是完整的数据集。
def write_layer1(gp, adict):
for k,v in adict.items():
if isinstance(v, dict):
gp1 = gp.create_group(k)
write_layer1(gp1, v)
else:
if isinstance(v, (np.ndarray, list)):
gp.create_dataset(k, np.atleast_1d(v))
else:
gp.attrs.create(k,v)
In [215]: list(f.keys())
Out[215]: ['state']
In [218]: list(f.attrs.items())
Out[218]: [('value3', 0.29999999999999999), ('value1', 0.089999999999999997)]
In [219]: f['state']
Out[219]: <HDF5 group "/state" (0 members)>
In [220]: list(f['state'].attrs.items())
Out[220]: [('value2', 0.83321999999999996), ('angle_rad', 0.034903000000000003)]
检索数据集和属性的组合更为复杂,尽管您可以编写代码来隐藏它。
这是一种结构化数组方法(具有复合数据类型)
定义与您的字典结构匹配的数据类型。像这样的嵌套是可能的,但如果太深可能会很尴尬:
In [226]: dt=[('state',[('angle_rad','f'),('value2','f')]),
('value1','f'),
('value3','f')]
In [227]: dt = np.dtype(dt)
创建一个这种类型的空白数组,其中包含几条记录;用字典中的数据填写一条记录。请注意,元组的嵌套必须与数据类型嵌套匹配。更一般的结构化数据被提供为此类元组的列表。
In [228]: arr = np.ones((3,), dtype=dt)
In [229]: arr[0]=((.034903, 0.83322), 0.09, 0.3)
In [230]: arr
Out[230]:
array([(( 0.034903, 0.83322001), 0.09, 0.30000001),
(( 1. , 1. ), 1. , 1. ),
(( 1. , 1. ), 1. , 1. )],
dtype=[('state', [('angle_rad', '<f4'), ('value2', '<f4')]), ('value1', '<f4'), ('value3', '<f4')])
将数组写入 h5 文件非常简单:
In [231]: f = h5py.File('test1.h5', 'w')
In [232]: g = f.create_dataset('data', data=arr)
In [233]: g.dtype
Out[233]: dtype([('state', [('angle_rad', '<f4'), ('value2', '<f4')]), ('value1', '<f4'), ('value3', '<f4')])
In [234]: g[:]
Out[234]:
array([(( 0.034903, 0.83322001), 0.09, 0.30000001),
(( 1. , 1. ), 1. , 1. ),
(( 1. , 1. ), 1. , 1. )],
dtype=[('state', [('angle_rad', '<f4'), ('value2', '<f4')]), ('value1', '<f4'), ('value3', '<f4')])
理论上我们可以编写类似的函数write_layer
它通过你的字典工作并构建相关的数据类型和记录。