### 使用 Python 的 h5py 库打开 H5 数据文件 要使用 `h5py` 库在 Python 中打开 `.h5` 数据文件，可以按照以下方法操作。以下是详细的说明以及代码示例。 #### 安装依赖库 如果尚未安装 `h5py` 和其他必要的库，则可以通过 pip 进行安装： ```bash pip install h5py numpy ``` #### 打开并读取 H5 文件的内容 通过调用 `h5py.File()` 方法来加载 `.h5` 文件，并指定访问模式（如 `'r'` 表示只读）。随后可以根据键名获取数据集或分组对象[^1]。 ##### 示例代码：打开和遍历 H5 文件中的内容 ```python import h5py # 加载 .h5 文件 file_path = 'example.h5' f = h5py.File(file_path, 'r') def traverse_hdf5_group(group): """递归函数用于展示 HDF5 组及其子项""" for key in group.keys(): item = group[key] if isinstance(item, h5py.Dataset): # 判断是否为 Dataset 类型 print(f"Dataset: {key}, shape={item.shape}") elif isinstance(item, h5py.Group): # 判断是否为 Group 类型 print(f"\nGroup: {key}\n") traverse_hdf5_group(item) traverse_hdf5_group(f) f.close() ``` 上述脚本会逐层解析整个 `.h5` 文件的结构，区分数据集 (Dataset) 和分组 (Group)，并将它们的信息打印出来[^3]。 #### 创建新的 H5 文件并向其中写入数据 创建一个新的 `.h5` 文件并通过 `create_dataset()` 函数向其添加数据集合。对于复杂的数据类型（例如列表嵌套元组），需先将其转换成 NumPy 数组再存储至文件中。 ##### 示例代码：写入包含 tuple 元素的 list 至 H5 文件 ```python import h5py import numpy as np data_list = [(1, 2), (3, 4)] # 原始数据是一个包含 tuple 的 list array_data = np.array(data_list, dtype=object) # 转换成 NumPy array with h5py.File('output.h5', 'w') as hf: dset = hf.create_dataset("mydataset", data=array_data) print("Data written successfully.") ``` 注意，在某些情况下可能需要定义自定义数据类型以便更好地支持复杂的组合形式[^1]。 #### 从已有的 MAT 文件导入数据到 H5 文件 当处理来自 MATLAB 的 `.mat` 文件时，可利用 `scipy.io.loadmat()` 或者直接借助 `h5py` 来提取所需变量并保存到新构建的 `.h5` 文件里[^2]^。 ##### 示例代码：将 mat 文件转存为 hdf5 格式 ```python import h5py import scipy.io input_mat_file = 'source.mat' output_h5_file = 'converted.h5' # Load the .mat file using SciPy mat_content = scipy.io.loadmat(input_mat_file) # Save it into an HDF5 format with h5py with h5py.File(output_h5_file, 'w') as hf: for var_name, content in mat_content.items(): if not var_name.startswith('__'): # Ignore internal fields like '__header__' hf.create_dataset(var_name, data=np.asarray(content)) print("Conversion completed!") ``` --- ###