daha basit bir yolu olabilir, ama bu bildiğim kadarıyla, bunu yaparken hakkında gitmek istiyorum nasıl: Kullanmak sıkıştırma belirtmek isterseniz,
import numpy as np
import tables
# Generate some data
x = np.random.random((100,100,100))
# Store "x" in a chunked array...
f = tables.openFile('test.hdf', 'w')
atom = tables.Atom.from_dtype(x.dtype)
ds = f.createCArray(f.root, 'somename', atom, x.shape)
ds[:] = x
f.close()
bir göz at var tables.Filters
. Örneğin.
import numpy as np
import tables
# Generate some data
x = np.random.random((100,100,100))
# Store "x" in a chunked array with level 5 BLOSC compression...
f = tables.openFile('test.hdf', 'w')
atom = tables.Atom.from_dtype(x.dtype)
filters = tables.Filters(complib='blosc', complevel=5)
ds = f.createCArray(f.root, 'somename', atom, x.shape, filters=filters)
ds[:] = x
f.close()
Ben uzun süredir tablo benzeri veri dışında herhangi pytables
kullanmadım ... muhtemelen bu bir sürü için daha basit bir yolu var.
Not: pytables 3.0 ile, f.createCArray
f.create_carray
olarak yeniden adlandırıldı. Eğer sadece düz ND diziler kadar, bunun yerine pytables` `ait h5py`` ile daha iyiyiz çok depolamak eğer Ayrıca, Dürüst, atom
belirtmeden doğrudan
f.create_carray('/', 'somename', obj=x, filters=filters)
diziyi kabul edebilir. 'F.create_dataset '(' name ', data = x)' '' '' 'num' 'numpy diziniz ve' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' dır. Aynı şeyi "piliç" lerde yapmak mümkündür, ancak oldukça daha zor. –
Joe, +1. Neredeyse aynı bir yorumu yayınlamak üzereydim. –
Bunu düşündüm ama piller diziler üzerinde doğrudan hesaplama yapmak için bazı özelliklere (tables.expr) sahiptir, bunu h5py ile alabilir miyim? – scripts