Python 如何在hdf5文件中存储太大而无法加载到内存中的阵列？

有没有办法将数组存储在hdf5文件中，因为该文件太大，无法加载到内存中

如果我做这样的事

f = h5py.File('test.hdf5','w')
f['mydata'] = np.zeros(2**32)

我得到一个内存错误。

根据，您可以使用

create\u dataset

创建存储在hdf5中的分块数组。例如：

>>> import h5py
>>> f = h5py.File('test.h5', 'w')
>>> arr = f.create_dataset('mydata', (2**32,), chunks=True)
>>> arr
<HDF5 dataset "mydata": shape (4294967296,), type "<f4">

可以将值设置为Numpy数组的值

>>> arr[3:5] = 3
>>> arr[:6]
array([ 0.,  0.,  0.,  3.,  3.,  0.], dtype=float32)

我不知道这是否是最有效的方法，但可以分块迭代整个数组。例如，将其设置为随机值：

>>> import numpy as np
>>> for i in range(0, arr.size, arr.chunks[0]):
        arr[i: i+arr.chunks[0]] = np.random.randn(arr.chunks[0])
>>> arr[:5]
array([ 0.62833798,  0.03631227,  2.00691652, -0.16631022,  0.07727782], dtype=float32)

---

看一看。这是可能的，但您应该使用“chunks”编写，并使hdf5文件可分块。如果事先不知道数据集大小，该怎么办？可以在附加模式下完成吗？@mrglud也许这适合你的需要？

>>> import numpy as np
>>> for i in range(0, arr.size, arr.chunks[0]):
        arr[i: i+arr.chunks[0]] = np.random.randn(arr.chunks[0])
>>> arr[:5]
array([ 0.62833798,  0.03631227,  2.00691652, -0.16631022,  0.07727782], dtype=float32)