3

从h5py 文档中，我看到我可以使用数据集的astype方法将 HDF 数据集转换为另一种类型。这会返回一个上下文管理器，它会即时执行转换。

但是，我想读取存储为的数据集uint16，然后将其转换为float32类型。此后，我想以与 cast type 不同的函数从该数据集中提取各种切片float32。文档将用途解释为

with dataset.astype('float32'):
   castdata = dataset[:]

这将导致整个数据集被读入并转换为float32，这不是我想要的。我想引用数据集，但float32转换为numpy.astype. 如何创建对.astype('float32')对象的引用，以便可以将其传递给另一个函数以供使用？

一个例子：

import h5py as HDF
import numpy as np
intdata = (100*np.random.random(10)).astype('uint16')

# create the HDF dataset
def get_dataset_as_float():
    hf = HDF.File('data.h5', 'w')
    d = hf.create_dataset('data', data=intdata)
    print(d.dtype)
    # uint16

    with d.astype('float32'):
    # This won't work since the context expires. Returns a uint16 dataset reference
       return d

    # this works but causes the entire dataset to be read & converted
    # with d.astype('float32'):
    #   return d[:]

此外，似乎 astype 上下文仅在访问数据元素时才适用。这意味着

def use_data():
   d = get_data_as_float()
   # this is a uint16 dataset

   # try to use it as a float32
   with d.astype('float32'):
       print(np.max(d))   # --> output is uint16
       print(np.max(d[:]))   # --> output is float32, but entire data is loaded

那么没有使用 astype 的 numpy-esque 方式吗？

4

2 回答 2

1

d.astype()返回一个AstypeContext对象。如果您查看源代码，AstypeContext您将更好地了解正在发生的事情：

class AstypeContext(object):

    def __init__(self, dset, dtype):
        self._dset = dset
        self._dtype = numpy.dtype(dtype)

    def __enter__(self):
        self._dset._local.astype = self._dtype

    def __exit__(self, *args):
        self._dset._local.astype = None

当您输入 时AstypeContext，数据集的._local.astype属性将更新为所需的新类型，当您退出上下文时，它会更改回其原始值。

因此，您可以或多或少地获得您正在寻找的行为，如下所示：

def get_dataset_as_type(d, dtype='float32'):

    # creates a new Dataset instance that points to the same HDF5 identifier
    d_new = HDF.Dataset(d.id)

    # set the ._local.astype attribute to the desired output type
    d_new._local.astype = np.dtype(dtype)

    return d_new

当您现在从 读取时d_new，您将获得float32numpy 数组，而不是uint16：

d = hf.create_dataset('data', data=intdata)
d_new = get_dataset_as_type(d, dtype='float32')

print(d[:])
# array([81, 65, 33, 22, 67, 57, 94, 63, 89, 68], dtype=uint16)
print(d_new[:])
# array([ 81.,  65.,  33.,  22.,  67.,  57.,  94.,  63.,  89.,  68.], dtype=float32)

print(d.dtype, d_new.dtype)
# uint16, uint16

请注意，这不会更新（似乎是不可变的）的.dtype属性。d_new如果您还想更改dtype属性，则可能需要子类化h5py.Dataset才能这样做。

于 2014-08-11T13:24:14.277 回答
0

的文档astype似乎暗示将其全部读入新位置是其目的。因此return d[:]，如果您要在不同的场合重用具有许多功能的浮点转换，那么您是最合理的。

如果你知道你需要什么铸件并且只需要一次，你可以切换并执行以下操作：

def get_dataset_as_float(intdata, *funcs):
    with HDF.File('data.h5', 'w') as hf:
        d = hf.create_dataset('data', data=intdata)
        with d.astype('float32'):
            d2 = d[...]
            return tuple(f(d2) for f in funcs)

无论如何，您要确保hf在离开该功能之前关闭它，否则您以后会遇到问题。

一般来说，我建议将数据集的转换和加载/创建完全分开，并将数据集作为函数的参数之一传递。

上面可以这样调用：

In [16]: get_dataset_as_float(intdata, np.min, np.max, np.mean)
Out[16]: (9.0, 87.0, 42.299999)
于 2014-08-11T13:17:44.257 回答