如何命名 HDF5 数据集中的列？

Question

我在h5py中制作了一个数据集：

f = h5py.File("experimentReadings.hdf5", "w")
dset = f.create_dataset("physics", (5,4), dtype='f')

我有一个变量名称列表：namesList = ['height', 'mass', 'velocity', 'gravity'].

我希望这些变量名称是dset.

目前，这些列仅以数字0,1,2,3作为名称，如下所示：

我想要这个：

我想我正在寻找这样的代码：

dset[:,0].column_name = namesList[0]
dset[:,1].column_name = namesList[1]
etc...

无论解决方案是什么，它都需要处理我正在使用的真实数据集，其中namesList有 280,000 个单词长。

Answer 1

关于数据集大小的有趣问题。我见过 HDF5 文件有 10e6 行，但没有看到 280,000 列。你必须进行测试。

关于列/文件的名称，您可以使用记录数组（如 hpaulj 所解释的）。使用 NumPy dtype 来定义名称。我创建了一些任意数据来填充我的记录，然后使用data=参数进行引用。

尝试一下：

# Create some data
data1  = np.arange(100.)
data2  = 2.0*data1
data3  = 3.0*data1
data4  = 3.0*data1

# use namesList to define dtype for recarray
namesList = ['height', 'mass', 'velocity', 'gravity']
ds_dt = np.dtype({'names':namesList,'formats':[(float)]*4 }) 

rec_arr = np.rec.fromarrays([data1, data2, data3, data4], dtype=ds_dt)

with h5py.File("experimentReadings.hdf5", "w") as h5f :

    dset = h5f.create_dataset("physics", (100,), data=rec_arr)