H5PY 2.1.1下载地址

一个Python接口HDF5库

HDF5为Python（H5PY）是一个通用的Python接口的分层数据格式库，第5版。 HDF5被设计成一个多功能的，成熟的科学的软件库，设计为快速，灵活的存储大量的数据。

从一个Python程序员的神器出山:www.shenqi73.com角度来看，HDF5提供了一个可靠的方法来存储数据，在树的方式组织的名称。

您可以创建数据集（磁盘阵列上）数百GB的大小，并进行随机访问的I / O所需的部分。数据集被组织在一个文件系统的层次结构，称为“组”容器，和访问臣民POSIX /路径/到/ resource语法。

H5py HDF5数据从Python提供了一个简单，强大的读/写接口。现有Python和NumPy概念用于接口，例如，在磁盘上的数据集表示的一个代理类，支持切片，并具有的DTYPE和形状属性。 HDF5组提出使用一本词典的比喻，索引的名字。

的h5py的主要设计目标是互操作性; HDF5格式，您可以读取现有的数据，并创建新的文件，任何HDF5感知的程序可以理解的。没有Python特定的扩展名，你是自由的实现任何文件结构的应用程序需要。

几乎所有的HDF5功能都可以从Python，包括复合数据类型（如使用numpy的recarray类型的）的事情，比如，HDF5属性，hyperslab点为基础的I / O，并在HDF 1.8的最新功能，如在整个可调整大小的数据集和递归迭代文件。

的基础h5py是一个近乎完整的HDF5 C API的包装。 HDF5标识符是第一类对象参加在Python中的引用计数，并揭露了C API通过方法。

这种低层次的接口也提供Python程序员，并详尽地记录。

下面是一些主要特点“H5PY”：

·HDF5不限制文件的大小，或在一个文件中的对象的大小或数量。
·HDF5格式和库是可扩展的和设计优雅的演变，以满足新的需求。
·HDF5功能和数据移植到几乎所有的计算平台，并与C，C + +，Java的和Fortran90编程接口的分布。
·HDF5有一个简单但灵活的数据模型。
·HDF5数据模型支持复杂的数据关系和依赖关系，通过分组和链接机制。
·HDF5可容纳许多常见的类型，元数据和任意用户定义的元数据。
·HDF5支持一组丰富的预定义的数据类型以及创建无限多种复杂的用户定义的数据类型。
一个HDF文件中的对象之间可以共享·数据类型定义，用于描述数据提供一个强大的和高效率的机制。
·数据类型定义包含的信息，如字节顺序（endian）的话，大小，和浮点表示，全面地描述数据是如何存储，确保移植到其他平台。
·HDF5，通过其虚拟文件层，提供了非常灵活的存储和数据传输能力。标准（POSIX），并行和网络I / O文件驱动程序提供HDF5。
·应用程序开发人员可以编写额外的文件的驱动程序，实现定制的数据存储和运输能力。
·并行I / O驱动程序HDF5减少读/写多个数据流同时并行系统的访问时间。
·HDF5采用不同的编程，扩展性和分块策略，以提高访问，管理和存储效率。
·HDF5提供的外部存储的原始数据，HDF5文件和/或应用程序之间共享原始数据，并经常节省磁盘空间。
·HDF5在I / O操作，使数据类型和空间变换。
·HDF5数据I / O功能可以运行在选定的数据子集，减少传输的数据量，提高访问速度。

要求：

·的Python

此版本中的新功能：

·H5py现在的HDF5支持维度量表功能！
组，数据集和属性的名称h5py 2.X都可以为Unicode。现在，你也可以存储（标量）的属性值，以及Unicode数据：
·>>> myfile.attrs ['X'] = U“我是一个Unicode字符串！”
·存储Unicode字符串数据集或复合类型的成员还没有实现。
·DataSet对象公开。大小的属性，它提供的数据空间中的元素的总数。
·的财产Dataset.value，其历史可以追溯到1.0至h5py，过时，并且将在以后的版本中删除。此属性转储整个数据集到一个numpy数组。代码使用。值应更新为使用numpy的索引，使用mydataset [...]或mydataset [（）]适当的。

错误修正：
·对象和区域的引用有时会不正确地包裹包裹在一个numpy.object_实例（问题202）
·H5py现在忽略了旧版本的用Cython（