Python h5py：在不加载到内存的情况下切片数据集

是否可以将h5py数据集分为两个子集，而不将它们实际加载到内存中？例如：

dset = h5py.File("/2tbhd/tst.h5py","r")

X_train = dset['X'][:N/2]
X_test  = dset['X'][N/2:-1]

没有

您需要实现自己的类来充当数据集上的视图。h5py邮件列表上显示，这种

DatasetView

类理论上可以使用HDF5数据空间实现，但对于许多用例来说可能不值得。与普通的numpy数组相比，按元素进行的访问速度非常慢（假设您可以将数据放入内存中）

编辑：如果您想避免干扰HDF5数据空间（无论这意味着什么），您可以选择一种更简单的方法。试试我刚才写的。像这样使用它：

dset = h5py.File("/2tbhd/tst.h5py","r")

from simpleview import SimpleView
X_view = SimpleView(dset['X'])

# Stores slices, but doesn't load into memory
X_train = X_view[:N/2]
X_test  = X_view[N/2:-1]

# These statements will load the data into memory.
print numpy.sum(X_train)
print numpy.array(X_test)[0]

请注意，这个简单示例中的切片支持有些有限。如果需要完全切片和元素访问，则必须将其复制到真实阵列中：

X_train_copy = numpy.array(X_train)

---

你发布的代码有什么问题？他发布的代码会立即将这些数据点加载到内存中。他想传递对数据两部分的两个引用，而不传递大数组。我不知道怎么做。起初我认为区域引用可能是您所需要的，但据我所知，这不是答案。现在我记得h5py邮件列表上的一条旧线索：@JohnZwinck，正如superbatfish所说，这段代码立即将数据加载到内存中。