h5py是Python語言用來操作HDF5的模組。下面的文章主要介紹h5py的快速入門指南，翻譯自h5py的官方文件：http://docs.h5py.org/en/latest/quick.html 。該翻譯僅為個人學習h5py為目的，如有翻譯不當之處，請速聯絡筆者或提供正確的翻譯，非常感謝！

安裝

conda install h5py

enpkg h5py

安裝。用pip或setup.py安裝，請參考安裝方式。

核心概念

一個HDF5檔案就是一個容器，用於儲存兩類物件：datasets，類似於陣列的資料集合；groups，類似於資料夾的容器，可以儲存datasets和其它groups。當使用h5py時，最基本的準則為：

groups類似於字典（dictionaries），dataset類似於Numpy中的陣列（arrays）。

假設有人給你傳送了一個HDF5檔案， mytestfile.hdf5（如何建立這個檔案，請參考：附錄：建立一個檔案）.首先你需要做的就是開啟這個檔案用於讀取資料：

>>> import h5py
>>> f = h5py.File('mytestfile.hdf5', 'r')

這個File物件是你的起點。那麼這個檔案中儲存了什麼呢？記住，h5py.File就像一個Python字典，因此我們可以檢視這些鍵值，

>>> list
 
(f.keys())
['mydataset']

根據我們的觀察，這個檔案中有一個dataset，即mydataset. 讓我們把這個dataset作為Dataset物件來檢驗

>>> dset = f['mydataset']

我們得到的這個物件不是一個數組，而是一個HDF5 dataset. 就像Numpy中的資料那樣，datasets有形狀（shape）和資料型別（data type）

>>> dset.shape
(100,)
>>> dset.dtype
dtype('int32')

同時它們也支援陣列風格的切片操作。下面是你如何完成這個檔案中的一個dataset的讀寫的方法

>>> dset[...] = np.arange(100)
>>> dset[0]
0
>>> dset[10]
10
>>> dset[0:100:10]
array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

附錄：建立一個檔案

此時此刻，你也許會好奇mytestdata.hdf5是如何建立的。當File物件初始化後，我們通過將模式（mode）設定為w來建立一個檔案。其它模式（mode）為a（用於讀、寫、新建）和r+（用於讀、寫）。一個完整的File模式以及它們的含義的列表可參考File物件。

>>> import h5py
>>> import numpy as np
>>> f = h5py.File("mytestfile.hdf5", "w")

File物件有幾個看上去挺有趣的方法。其一為create_dataset，顧名思義，就是通過給定形狀和資料型別來建立一個dataset

>>> dset = f.create_dataset("mydataset", (100,), dtype='i')

File物件是上下文管理器，因此，下面的程式碼也可執行

>>> import h5py
>>> import numpy as np
>>> with h5py.File("mytestfile.hdf5", "w") as f:
>>>     dset = f.create_dataset("mydataset", (100,), dtype='i')

Groups和分層結構

“HDF”是“Hierarchical Data Format”的縮寫。每個HDF5檔案中的物件都有一個名字（name），它們以類似於POSIX風格的分層結構存放，用/分隔符分隔

>>> dset.name
u'/mydataset'

在這個系統中“資料夾”（folders）被命名為groups. 我們建立的File物件本身也是一個group, 在這種情形下是根group（root group），名字為/:

>>> f.name
u'/'

建立一個子group（subgroup）可以通過一個巧妙的命令create_group來完成。但是，我們首先需要以讀/寫模式來開啟檔案

>>> f = h5py.File('mydataset.hdf5', 'r+')
>>> grp = f.create_group("subgroup")

所有Group物件，如同File物件一樣，也有create_*方法：

>>> dset2 = grp.create_dataset("another_dataset", (50,), dtype='f')
>>> dset2.name
u'/subgroup/another_dataset'

順便說一句，你不需要手動地建立所有的中間groups. 指定一個完整的路徑同樣可行

>>> dset3 = f.create_dataset('subgroup2/dataset_three', (10,), dtype='i')
>>> dset3.name
u'/subgroup2/dataset_three'

Groups支援大部分的Python字典風格的介面。你可以使用條目獲取（item-retrieval）的語法來獲取這個檔案中的物件：

>>> dataset_three = f['subgroup2/dataset_three']

迭代一個group，就會產生它的成員的名字：

>>> for name in f:
...     print name
mydataset
subgroup
subgroup2

成員關係檢測也可以通過使用名字來實現：

>>> "mydataset" in f
True
>>> "somethingelse" in f
False

你甚至可以使用完整的路徑的名字：

>>> "subgroup/another_dataset" in f
True

它也有你熟悉的keys(), values(), items() 和iter() 的方法，以及get()方法。

因為迭代一個group只會產生它的直屬成員，所以想要迭代一個完整的檔案，可以使用Group的方法visit()和visititems(), 它們通過一個呼叫（callable）來實現:

>>> def printname(name):
...     print name
>>> f.visit(printname)
mydataset
subgroup
subgroup/another_dataset
subgroup2
subgroup2/dataset_three

想要更多參考，請前往Groups.

屬性

HDF5的最好特徵之一就是你可以在描述的資料後儲存元資料（metadata）。所有的groups和datasets都支援幾個資料位的附屬命名，稱為屬性。（All groups and datasets support attached named bits of data called attributes.）

屬性可以通過attrs這個代理物件來獲取，這會再一次執行字典介面：

>>> dset.attrs['temperature'] = 99.5
>>> dset.attrs['temperature']
99.5
>>> 'temperature' in dset.attrs
True