python-hdf5

hdf5

还是不使用这个了，在保存 dataframe 的时候有问题，比较麻烦。

store = pd.HDFStore('demo.h5')
'''查看store类型'''
print(store)

h5py 保存 dataframe 好像问题很多，没有继续尝试了，直接使用了 HDFStore

conda install h5py
conda install pytest

# 安装完毕测试一下，确认没问题，预编译的版本不支持 MPI，这里关于 MPI 的错误可以忽略
import h5py
h5py.run_tests()

一般的操作一个HDF5对象的步骤是

1. 打开这个对象；
2. 对这个对象进行操作；
3. 关闭这个对象。
   特别要注意的是，一定要在操作结束后关闭对象。因为之前的操作只是生成操作的流程，并不真正执行操作，只有关闭对象操作才会真正出发对对象进行的修改。

   import h5py
   # 以写入方式打开文件
   # r 只读，文件必须已存在
   # r+ 读写，文件必须已存在
   # w 新建文件，若存在覆盖
   # w- 或x，新建文件，若存在报错
   # a 如存在则读写，不存在则创建(默认)
   file = h5py.File('file.h5', 'a')
   file.close()
    
   # 打开文件
   file_open = h5py.File('file.h5', 'r+')
   file_open.close()
   
   def h5_demo():
       # 读文件放入内存
       with h5py.File('demo.h5', mode='a',driver='core',backing_store=True) as file:
   
           file.close()

Groups
Datasets

Groups

group 是主要的组织结构，类似于 dictionary ，key 是 group 的名字，value 是属于该组的内容，可以是 group 和 datasets

keys()
values()

myds = subgrp["MyDS"]
missing = subgrp["missing"]
KeyError: "Name doesn't exist (Symbol table: Object not found)"

del subgroup["MyDataset"]

Datasets

# 创建新的
dset = f.create_dataset("default", (100,))
dset = f.create_dataset("ints", (100,), dtype='i8')

# 从 NumPy 中创建
>>> arr = np.arange(100)
>>> dset = f.create_dataset("init", data=arr)

# 读取已有的
dset = group["name"]

hdfstore

store = pd.HDFStore('demo.h5')

hdf =HDFStore('hdf_file.h5', mode='r')
data = hdf.get('/key1')