[英]How do I extract the column names from a .hdf5 file table and extract specific row data based on a specified column name?
下面是 my.hdf5 文件中數據分支的屏幕截圖。 我正在嘗試從這個特定的 BlinkStartEvent 段中提取現有的列名(即experiment_id、session_id ....)。
我有以下代碼可以訪問這部分數據並提取數字數據。 但由於某種原因,我無法提取相應的列名,我希望將 append 放到一個單獨的列表中,這樣我就可以從整個數據集中創建一個字典。 我以為.keys() 應該這樣做,但事實並非如此。
import h5py
def traverse_datasets(hdf_file):
def h5py_dataset_iterator(g, prefix=''):
for key in g.keys():
#print(key)
item = g[key]
path = f'{prefix}/{key}'
if isinstance(item, h5py.Dataset): # test for dataset
yield (path, item)
elif isinstance(item, h5py.Group): # test for group (go down)
yield from h5py_dataset_iterator(item, path)
for path, _ in h5py_dataset_iterator(hdf_file):
yield path
with h5py.File(filenameHDF[0], 'r') as f:
for dset in traverse_datasets(f):
if str(dset[-15:]) == 'BlinkStartEvent':
print('-----Path:', dset) # path that leads to the data
print('-----Shape:', f[dset].shape) #the length dimension of the data
print('-----Data type:', f[dset].dtype) #prints out the unicode for all columns
data2 = f[dset][()] # The entire dataset
# print('Check column names', f[dset].keys()) # I tried this but I got a AttributeError: 'Dataset' object has no attribute 'keys' error
我得到以下 output:
-----Path: /data_collection/events/eyetracker/BlinkStartEvent
-----Shape: (220,)
-----Data type: [('experiment_id', '<u4'), ('session_id', '<u4'), ('device_id', '<u2'), ('event_id', '<u4'), ('type', 'u1'), ('device_time', '<f4'), ('logged_time', '<f4'), ('time', '<f4'), ('confidence_interval', '<f4'), ('delay', '<f4'), ('filter_id', '<i2'), ('eye', 'u1'), ('status', 'u1')]
Traceback (most recent call last):
File "C:\Users\angjw\Dropbox\NUS PVT\Analysis\PVT analysis_hdf5access.py", line 64, in <module>
print('Check column names', f[dset].keys())
AttributeError: 'Dataset' object has no attribute 'keys'
我在這里做錯了什么?
此外,是否有更有效的方法來訪問數據,以便我可以做一些(假設的)事情,比如:
data2[0]['experiment_id'] = 1
data2[1]['time'] = 78.35161
data2[2]['logged_time'] = 80.59253
而不是通過為每一行數據設置字典的過程來 go ?
你很近。 數據集的.dtype
將數據集作為 NumPy dtype 提供給您。 添加.descr
將其作為(字段名稱、字段類型)元組列表返回。 請參閱下面的代碼以打印循環內的字段名稱:
for (f_name,f_type) in f[dset].dtype.descr:
print(f_name)
有比為每一行數據創建字典更好的方法來處理 HDF5 數據(除非您出於某種原因絕對想要字典)。 h5py 旨在處理類似於 NumPy arrays 的數據集值。 (但是,並非所有 NumPy 操作都適用於 h5py 數據集對象)。 以下代碼訪問數據並返回 2 個相似(但略有不同)的數據對象。
# this returns a h5py dataset object that behaves like a NumPy array:
dset_obj = f[dset]
# this returns a NumPy array:
dset_arr = f[dset][()]
您可以使用標准 NumPy 切片表示法(您可以使用字段名稱和行值)從 object 切片數據。 繼續...
# returns row 0 from field 'experiment_id'
val0 = dset_obj[0]['experiment_id']
# returns row 1 from field 'time'
val1 = dset_obj[1]['time']
# returns row 2 from field 'logged_time'
val2 = dset_obj[2]['logged_time']
(如果您將dset_obj
替換為上面的dset_arr
,您將獲得相同的值。)您還可以像這樣對整個字段/列進行切片:
# returns field 'experiment_id' as a NumPy array
expr_arr = dset_obj['experiment_id']
# returns field 'time' as a NumPy array
time_arr = dset_obj['time']
# returns field 'logged_time' as a NumPy array
logtime_arr = dset_obj['logged_time']
那應該回答您最初的問題。 如果沒有,請添加評論(或修改帖子),我會更新我的答案。
我之前的回答使用了 h5py package(與您的代碼相同的 package)。 還有另一個我喜歡與 HDF5 數據一起使用的 Python package:PyTables(又名表)。 兩者非常相似,並且各自具有獨特的優勢。
np.array
返回,異構數據(如您的)作為np.recarray
返回。為了比較它們,我用 PyTables 重寫了你的 h5py 代碼,這樣你就可以“看到”差異。 我在您的問題中合並了所有操作,並在我之前的答案中包含了等效的調用。 需要注意的差異:
f.walk_nodes()
方法是替換生成器的內置方法。 但是,它返回 object(在這種情況下為表 object),而不是表(數據集)名稱。 因此,使用 object 而不是名稱時,代碼略有不同。Table.read()
將數據加載到 NumPy(記錄)數組中。 不同的示例顯示使用字段名稱讀取整個表或單個列。下面的代碼:
import tables as tb
with tb.File(filenameHDF[0], 'r') as f:
for tb_obj in f.walk_nodes('/','Table'):
if str(tb_obj.name[-15:]) == 'BlinkStartEvent':
print('-----Name:', tb_obj.name) # Table name without the path
print('-----Path:', tb_obj._v_pathname) # path that leads to the data
print('-----Shape:', tb_obj.shape) # the length dimension of the data
print('-----Data type:', tb_obj.dtype) # prints out the np.dtype for all column names/variable types
print('-----Field/Column names:', tb_obj.colnames) #prints out the names of all columns as a list
data2 = tb_obj.read() # The entire Table (dataset) into array data2
# returns field 'experiment_id' as a NumPy (record) array
expr_arr = tb_obj.read(field='experiment_id')
# returns field 'time' as a NumPy (record) array
time_arr = tb_obj.read(field='time')
# returns field 'logged_time' as a NumPy (record) array
logtime_arr = tb_obj.read(field='logged_time')
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.