3

假设我将一个简单的列数据框转换为一个 numpy 数组：

gdf.head()
>>>

     rid    rast
0      1    01000001000761C3ECF420013F0761C3ECF42001BF7172...
1      2    01000001000761C3ECF420013F0761C3ECF42001BF64BF...
2      3    01000001000761C3ECF420013F0761C3ECF42001BF560C...
3      4    01000001000761C3ECF420013F0761C3ECF42001BF7F25...
4      5    01000001000761C3ECF420013F0761C3ECF42001BF7172...

raster_np = gdf.to_numpy()
raster_np[0][0]
>>> array([1, '01000001000761C3E.........], dtype=object))

我的任务是将 numpy 数组转换为Zarr文件格式（由于rast值的大小和数据帧的大小，可能需要分块和压缩，并且可以在 S3/云上更好地利用新的 .zarr 文件存储环境，我假设）。我创建了一个简单的Zarr数组，如下所示：

 z_test = z.zeros(shape=(10000, 2), chunks=(10000, 2))
 z_test
 >>> <zarr.core.Array (10000, 2) float64>

现在，我如何将数据raster_np输入z_test并保留Zarr属性？简单地使用z_test = raster_np显然是行不通的。也许我对某些事情有误解Zarr。有什么建议么？

4

1 回答 1

0

由于您的初始数组是混合类型（对象），您需要创建具有正确数据类型的 zarr 数组，并对数据进行编码。您可以使用 JSON 编码器numcodecs

import numcodecs

z_test = zarr.zeros(shape=(10000, 2), dtype=object, object_codec=numcodecs.JSON())
z_test[:] = raster_np

但是，如果您将rid和raster列分别存储为具有int和str数据类型的单独数组，或者将十六进制转换为另一个基，您将获得更好的性能。

于 2021-12-03T21:44:10.240 回答