如何在R中处理hdf5文件？
我有一个如何在R中处理hdf5文件？,r,hdf5,R,Hdf5,我有一个hdf5格式的文件。我知道它应该是一个矩阵，但我想在R中阅读该矩阵，以便我可以研究它。我看到有一个h5r包应该可以帮助实现这一点，但我没有看到任何易于阅读/理解的教程。网上有这样的教程吗。具体来说，如何使用此包读取hdf5对象，以及如何实际提取矩阵 更新 我发现了一个包rhdf5，它不是CRAN的一部分，而是BioConductoR的一部分。界面相对更容易理解，文档和示例代码都非常清晰。我可以毫无问题地使用它。我的问题似乎是输入文件。我想要读取的矩阵实际上作为python pickle存
hdf5Rh5rhdf5我发现了一个包
rhdf5python picklehdf5R分段错误。我确实想出了如何将python
中的矩阵保存为tsv
文件，现在问题解决了。我使用rgdal
包读取HDF5文件。您需要注意的是，rgdal
的二进制版本可能不支持hdf5
。在这种情况下，在从源代码构建rgdal
之前，您需要使用HDF5支持从源代码构建gdal
或者，尝试将文件从hdf5
转换为netcdf
。一旦进入netcdf，您就可以使用优秀的ncdf
包访问数据。我认为转换可以通过。我使用rgdal
包来读取HDF5文件。您需要注意的是，rgdal
的二进制版本可能不支持hdf5
。在这种情况下，在从源代码构建rgdal
之前，您需要使用HDF5支持从源代码构建gdal
或者，尝试将文件从hdf5
转换为netcdf
。一旦进入netcdf，您就可以使用优秀的ncdf
包访问数据。我认为转换可以通过。该软件包是netCDF-4的接口，也可以用于读取hdf5文件（netCDF-4与netCDF-3兼容，但它使用hdf5作为存储层）
用开发商的话说：
- 报告说：
NetCDF-4结合了NetCDF-3和HDF5数据模型，利用了各自的理想特性，同时利用了各自的优势
- 说：
netCDF-4格式通过使用HDF5的增强版本作为存储层来实现和扩展netCDF-3数据模型
实际上，ncdf4
提供了一个简单的接口，将代码从使用较旧的hdf5
和ncdf
包迁移到单个ncdf4
包可以减少错误，更容易编写（我的一些试验和解决方法在中有记录）。该包是netCDF-4的接口，也可用于读取hdf5文件（netCDF-4与netCDF-3兼容，但它使用hdf5作为存储层）
用开发商的话说：
- 报告说：
NetCDF-4结合了NetCDF-3和HDF5数据模型，利用了各自的理想特性，同时利用了各自的优势
- 说：
netCDF-4格式通过使用HDF5的增强版本作为存储层来实现和扩展netCDF-3数据模型
实际上，ncdf4
提供了一个简单的接口，将代码从使用较旧的hdf5
和ncdf
包迁移到单个ncdf4
包可以减少错误，更容易编写（我的一些试验和解决方法在中有文档记录）。rhdf5
包工作得非常好，虽然它不在克兰。从中安装它
使用它：
library(rhdf5)
列出文件中的对象以查找要读取的数据组：
h5ls("path/to/file.h5")
读取HDF5数据：
mydata <- h5read("path/to/file.h5", "/mygroup/mydata")
（注意多维数组）。您还可以阅读组，这些组将被命名为R中的列表。尽管不在CRAN中，但rhdf5
包工作得非常好。从中安装它
使用它：
library(rhdf5)
列出文件中的对象以查找要读取的数据组：
h5ls("path/to/file.h5")
读取HDF5数据：
mydata <- h5read("path/to/file.h5", "/mygroup/mydata")
（注意多维数组）。您还可以阅读组，这些组将被命名为R中的列表。您还可以使用h5，这是我最近在CRAN上发布的一个包。
与rhdf5
相比，它具有以下特点：
S4对象模型直接与HDF5对象交互，如文件、组、数据集和属性
更简单的语法，为支持以下命令的数据集实现了类似R的子集运算符
readdata您还可以使用h5，这是我最近在CRAN上发布的一个软件包。
与rhdf5
相比，它具有以下特点：
S4对象模型直接与HDF5对象交互，如文件、组、数据集和属性
更简单的语法，为支持以下命令的数据集实现了类似R的子集运算符
readdata你能给我看一些模板代码吗？你现在的问题有点宽泛。如果您有更具体的问题，包括代码示例，请随时提问。您可以向我展示一些关于如何进行此操作的模板代码吗？您现在的问题有点广泛。如果您有更具体的问题，包括代码示例，请随时提出更多问题。确实是一个非常好的软件包。我曾考虑先使用CRAN提供的h5r
软件包，但它似乎文档不足。如果您不介意依赖Bioconductor，那么rhdf5
无疑是一个不错的选择。使用该功能可能会有所帮助
file <- h5file("test.h5")
testmat_in <- file["testgroup", "testmat"][]
h5close(file)