python - 将 bz2 压缩二进制文件导入为 numpy 数组

Question

我有一个包含数据数组的 bz2 压缩二进制（大端）文件。使用外部工具解压缩，然后将文件读入 Numpy 可以：

import numpy as np
dim = 3
rows = 1000
cols = 2000
mydata = np.fromfile('myfile.bin').reshape(dim,rows,cols)

但是，由于有很多其他类似的文件，我无法事先单独提取每个文件。因此，我在 Python 中找到了 bz2 模块，它可能可以直接在 Python 中解压它。但是我收到一条错误消息：

dfile = bz2.BZ2File('myfile.bz2').read()
mydata = np.fromfile(dfile).reshape(dim,rows,cols)

>>IOError: first argument must be an open file

显然，BZ2File 函数不返回文件对象。你知道读取压缩文件的正确方法是什么吗？

score 5 · Accepted Answer

BZ2File 确实返回一个类似文件的对象（虽然不是一个实际的文件）。问题是您正在调用read()它：

dfile = bz2.BZ2File('myfile.bz2').read()

这会将整个文件作为一个大字符串读入内存，然后您将其传递给fromfile.

根据您的版本numpy和python平台，从不是实际文件的类似文件的对象中读取可能无法正常工作。在这种情况下，您可以使用您读入的缓冲区frombuffer。

所以，要么这样：

dfile = bz2.BZ2File('myfile.bz2')
mydata = np.fromfile(dfile).reshape(dim,rows,cols)

… 或这个：

dbuf = bz2.BZ2File('myfile.bz2').read()
mydata = np.frombuffer(dbuf).reshape(dim,rows,cols)

（不用说，还有许多其他选择可能比将整个缓冲区读入内存更好。但如果您的文件不是太大，这将起作用。）

1 回答 1