使用 h5py 沿新轴将数据添加到现有 h5py 文件

Posted 2023-03-11

【中文标题】使用 h5py 沿新轴将数据添加到现有 h5py 文件

【英文标题】：Adding data to existing h5py file along new axis using h5py

【发布时间】：2017-02-25 01:02:15

【问题描述】：

我有一些生成 3d Numpy 数组的示例代码——然后我使用 h5 文件将这些数据保存到 h5py 文件中。然后我怎样才能沿第四维“附加”第二个数据集？或者，如何沿现有.h5 文件的第 4 维（或新轴）编写另一个 3d 数据集？我已经阅读了我能找到的文档，但似乎没有一个例子能解决这个问题。我的代码如下所示：

import h5py
import numpy as np

dataset1 = np.random.rand(240,240,250);
dataset2 = np.random.rand(240,240,250);

with h5py.File('data.h5', 'w') as hf:
    dset = hf.create_dataset('dataset_1', data=dataset1)

【参考方案1】：

使用http://docs.h5py.org/en/latest/high/dataset.html我实验了一下：

In [504]: import h5py
In [505]: f=h5py.File('data.h5','w')
In [506]: data=np.ones((3,5))

做一个普通的dataset：

In [509]: dset=f.create_dataset('dset', data=data)
In [510]: dset.shape
Out[510]: (3, 5)
In [511]: dset.maxshape
Out[511]: (3, 5)

帮助resize：

In [512]: dset.resize?
Signature: dset.resize(size, axis=None)
Docstring:
Resize the dataset, or the specified axis.

The dataset must be stored in chunked format; it can be resized up to
the "maximum shape" (keyword maxshape) specified at creation time.
The rank of the dataset cannot be changed.

由于我没有指定 maxshape，因此我似乎无法更改或添加到此数据集。

In [513]: dset1=f.create_dataset('dset1', data=data, maxshape=(2,10,10))
...
ValueError: "maxshape" must have same rank as dataset shape

所以我不能定义一个 3d 的“空间”并将一个 2d 数组放入其中 - 至少不是这样。

但是我可以给data添加一个维度（等级）：

In [514]: dset1=f.create_dataset('dset1', data=data[None,...], maxshape=(2,10,10))
In [515]: dset1
Out[515]: <HDF5 dataset "dset1": shape (1, 3, 5), type "<f8">

现在我可以调整数据集的大小 - 在 1 个或多个维度上，直到定义的最大值。

In [517]: dset1.resize((2,3,10))
In [518]: dset1
Out[518]: <HDF5 dataset "dset1": shape (2, 3, 10), type "<f8">
In [519]: dset1[:]
Out[519]: 
array([[[ 1.,  1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.],
        [ 1.,  1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.],
        [ 1.,  1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]]])

原来的data占据了展开数据集的一角

现在填一些零：

In [521]: dset1[1,:,:]=10
In [523]: dset1[0,:,5:]=2

In [524]: dset1[:]
Out[524]: 
array([[[  1.,   1.,   1.,   1.,   1.,   2.,   2.,   2.,   2.,   2.],
        [  1.,   1.,   1.,   1.,   1.,   2.,   2.,   2.,   2.,   2.],
        [  1.,   1.,   1.,   1.,   1.,   2.,   2.,   2.,   2.,   2.]],

       [[ 10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.],
        [ 10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.],
        [ 10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.,  10.]]])

所以是的，您可以将两个 dataset 放在一个 h5 数据集中，前提是您指定了足够大的 maxshape 以开始，例如(2,240,240,250) 或 (240,240,500) 或 (240,240,250,2) 等。

或无限调整maxshape=(None, 240, 240, 250))。

看起来主要限制是您无法在创建后添加维度。

另一种方法是在存储之前连接数据，例如

dataset12 = np.stack((dataset1, dataset2), axis=0)