您需要的是文件中所有數據集的列表。我認為這里需要的是recursive function的概念。這將允許您從一個組中提取所有的“數據集”，但是當其中一個看起來是組本身時，遞歸地執行相同的操作，直到找到所有數據集為止。例如：/

|- dataset1

|- group1

|- dataset2

|- dataset3

|- dataset4

偽代碼中的函數應該如下所示：

^{pr2}$

例如：/dataset1是一個數據集：將路徑添加到輸出，給出out = ['/dataset1']

/group不是數據集：調用getdatasets('/group',file)/group/dataset2是一個數據集：將路徑添加到輸出，給出nested_out = ['/group/dataset2']

/group/dataset3是一個數據集：將路徑添加到輸出，給出nested_out = ['/group/dataset2', '/group/dataset3']

這是我們已經擁有的：out = ['/dataset1', '/group/dataset2', '/group/dataset3']

/dataset4是一個數據集：將路徑添加到輸出，給出out = ['/dataset1', '/group/dataset2', '/group/dataset3', '/dataset4']

此列表可用于將所有數據復制到另一個文件中。在

要制作一個簡單的克隆，可以執行以下操作。在import h5py

import numpy as np

# function to return a list of paths to each dataset

def getdatasets(key,archive):

if key[-1] != '/': key += '/'

out = []

for name in archive[key]:

path = key + name

if isinstance(archive[path], h5py.Dataset):

out += [path]

else:

out += getdatasets(path,archive)

return out

# open HDF5-files

data = h5py.File('old.hdf5','r')

new_data = h5py.File('new.hdf5','w')

# read as much datasets as possible from the old HDF5-file

datasets = getdatasets('/',data)

# get the group-names from the lists of datasets

groups = list(set([i[::-1].split('/',1)[1][::-1] for i in datasets]))

groups = [i for i in groups if len(i)>0]

# sort groups based on depth

idx = np.argsort(np.array([len(i.split('/')) for i in groups]))

groups = [groups[i] for i in idx]

# create all groups that contain dataset that will be copied

for group in groups:

new_data.create_group(group)

# copy datasets

for path in datasets:

# - get group name

group = path[::-1].split('/',1)[1][::-1]

# - minimum group name

if len(group) == 0: group = '/'

# - copy data

data.copy(path, new_data[group])

當然，進一步的定制是可能的，這取決于您想要什么。你描述了一些文件的組合。那樣的話你就得new_data = h5py.File('new.hdf5','a')

可能會給這條路加些什么。在

總結

以上是生活随笔為你收集整理的python与h5结合实例_使用h5py合并所有h5文件的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。