How to split the data among the multiple groups in hdf5 file?(如何在hdf5文件的多个组之间拆分数据?)
本文介绍了如何在hdf5文件的多个组之间拆分数据?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有一个类似以下内容的数据:
Generated by trjconv : P/L=1/400 t= 0.00000
11214
1P1 aP1 1 80.48 35.36 4.25
2P1 aP1 2 37.45 3.92 3.96
11210LI aLI11210 61.61 19.15 3.25
11211LI aLI11211 69.99 64.64 3.17
11212LI aLI11212 70.73 11.64 3.38
11213LI aLI11213 62.67 16.16 3.44
11214LI aLI11214 3.22 9.76 3.39
61.42836 61.42836 8.47704
我已设法将数据写入所需的组中,但最后一行除外。我想将此行写入组/粒子/框。正如您在数据文件here中看到的那样,这一特定行在每一帧中重复。到目前为止,代码的设计方式忽略了这一行。我尝试了一些方法,但收到以下错误:
ValueError: Shape tuple is incompatible with data
最后一行与时间相关,即,随着每个时间帧的波动,我希望此数据与已在/粒子/脂/位置/步骤中定义的步长和时间数据集相链接。代码如下:
import struct
import numpy as np
import h5py
import re
# First part generate convert the .gro -> .h5 .
csv_file = 'com'
fmtstring = '7s 8s 5s 7s 7s 7s'
fieldstruct = struct.Struct(fmtstring)
parse = fieldstruct.unpack_from
# Format for footer
fmtstring1 = '1s 1s 5s 7s 7s 7s'
fieldstruct1 = struct.Struct(fmtstring1)
parse1 = fieldstruct1.unpack_from
with open(csv_file, 'r') as f,
h5py.File('xaa_trial.h5', 'w') as hdf:
# open group for position data
## Particles group with the attributes
particles_grp = hdf.require_group('particles/lipids/positions')
box_grp = particles_grp.create_group('box')
dim_grp = box_grp.create_group('dimension')
dim_grp.attrs['dimension'] = 3
bound_grp = box_grp.create_group('boundary')
bound_grp.attrs['boundary'] = ['periodic', 'periodic', 'periodic']
edge_grp = box_grp.create_group('edges')
edge_ds_time = edge_grp.create_dataset('time', dtype='f', shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
edge_ds_step = edge_grp.create_dataset('step', dtype=np.uint64, shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
edge_ds_value = None
## H5MD group with the attributes
#hdf.attrs['version'] = 1.0 # global attribute
h5md_grp = hdf.require_group('h5md/version/author/creator')
h5md_grp.attrs['version'] = 1.0
h5md_grp.attrs['author'] = 'rohit'
h5md_grp.attrs['creator'] = 'known'
# datasets with known sizes
ds_time = particles_grp.create_dataset('time', dtype="f", shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
ds_step = particles_grp.create_dataset('step', dtype=np.uint64, shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
ds_value = None
step = 0
while True:
header = f.readline()
m = re.search("t= *(.*)$", header)
if m:
time = float(m.group(1))
else:
print("End Of File")
break
# get number of data rows, i.e., number of particles
nparticles = int(f.readline())
# read data lines and store in array
arr = np.empty(shape=(nparticles, 3), dtype=np.float32)
for row in range(nparticles):
fields = parse( f.readline().encode('utf-8') )
arr[row] = np.array((float(fields[3]), float(fields[4]), float(fields[5])))
if nparticles > 0:
# create a resizable dataset upon the first iteration
if not ds_value:
ds_value = particles_grp.create_dataset('value', dtype=np.float32,
shape=(0, nparticles, 3), maxshape=(None, nparticles, 3),
chunks=(1, nparticles, 3), compression='gzip', shuffle=True)
#edge_data = bound_grp.create_dataset('box_size', dtype=np.float32, shape=(0, nparticles, 3), maxshape=(None, nparticles, 3), compression='gzip', shuffle=True)
# append this sample to the datasets
ds_time.resize(step + 1, axis=0)
ds_step.resize(step + 1, axis=0)
ds_value.resize(step + 1, axis=0)
ds_time[step] = time
ds_step[step] = step
ds_value[step] = arr
footer = parse1( f.readline().encode('utf-8') )
dat = np.array(footer)
print(dat)
arr1 = np.empty(shape=(1, 3), dtype=np.float32)
edge_data = bound_grp.create_dataset('box_size', data=dat, dtype=np.float32, compression='gzip', shuffle=True)
step += 1
#=============================================================================
推荐答案
您的代码在读取和转换"er"er;行时有许多小错误。 我修改了代码,让它正常工作……但我不确定它是否完全符合您的要求。我使用了相同的组和数据集定义。因此,页脚数据将写入此数据集:
/particles/lipids/positions/box/boundary/box_size
来自以下组和数据集定义:
particles_grp = hdf.require_group('particles/lipids/positions')
box_grp = particles_grp.create_group('box')
bound_grp = box_grp.create_group('boundary')
edge_data = bound_grp.create_dataset('box_size'....
以下几个地方需要更正:
首先,您需要更改parse1
的定义以匹配这3个字段。
# Format for footer
# FROM:
fmtstring1 = '1s 1s 5s 7s 7s 7s'
# TO:
fmtstring1 = '10s 10s 10s'
接下来,您需要修改box_size
数据集的创建位置和方式。您需要像创建其他对象一样创建它:作为maxshape=()
循环上面的可扩展DataSet(maxshape=()
参数)。我是这样做的:
edge_ds_step = edge_grp.create_dataset('step', dtype=np.uint64, shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
# Create empty 'box_size' dataset here
edge_data = bound_grp.create_dataset('box_size', dtype=np.float32, shape=(0,3), maxshape=(None,3), compression='gzip', shuffle=True)
最后,以下是修改后的代码:
将
footer
字符串解析为元组,将元组映射到np浮点数组,Shape=(1,3),
调整数据集的大小,最后
将数组加载到数据集中。
footer = parse1( f.readline().encode('utf-8') ) dat = np.array(footer).astype(float).reshape(1,3) new_size = edge_data.shape[0]+1 edge_data.resize(new_size, axis=0) edge_data[new_size-1:new_size,:] = dat
这篇关于如何在hdf5文件的多个组之间拆分数据?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
沃梦达教程
本文标题为:如何在hdf5文件的多个组之间拆分数据?
猜你喜欢
- 获取多索引中某个级别的最后一个元素 2022-09-22
- 如何将属性添加到作为组存储在HDF5文件中的 pa 2022-09-21
- 基于多个一级列的子集多索引DataFrame 2022-09-22
- H5py:如何在HDF5组和数据集上使用key()循环 2022-09-21
- 为什么切换屏幕在Kivy中不起作用? 2022-09-21
- 如何命名HDF5数据集中的列? 2022-09-21
- 将文件从Azure文件加载到Azure数据库 2022-09-21
- 如何防止Groupby超越指数? 2022-09-22
- 使用带有CROSS_VAL_SCORE的自定义估计器失败 2022-09-21
- 合并具有多个索引和列值的数据帧 2022-09-22