如何访问h5文件中的数据？sources.h5文件访问问题求助

1. 报错原因说明 #

你执行source_cat['sources'][:10]报错，是因为sources是标量数据集（输出显示shape ()），不是多维数组，所以不能用切片语法访问。这个标量里存储的是一组HDF5对象引用和两个数值，需要先取出引用再获取实际数据。

2. 访问sources中的实际数据 #

先取出标量里的所有元素，区分对象引用和数值，再通过引用从文件中提取对应数据：

import h5py

with h5py.File('sources.h5', 'r') as source_cat:
    # 取出标量数据
    sources_content = source_cat['sources'][()]
    
    # 遍历元素处理
    for idx, item in enumerate(sources_content):
        if isinstance(item, h5py.h5r.Reference):
            # 通过引用获取对应数据集
            ref_dataset = source_cat[item]
            print(f"第{idx}个引用对应的数据：")
            print(f"形状: {ref_dataset.shape}, 类型: {ref_dataset.dtype}")
            print(f"前10条内容: {ref_dataset[:10]}")
            print("---")
        else:
            print(f"第{idx}个数值: {item}")

3. 查看_types数据集内容 #

_types一般是定义复合类型的元数据，直接读取即可：

import h5py

with h5py.File('sources.h5', 'r') as source_cat:
    types_data = source_cat['_types'][()]
    print("_types数据集内容：")
    print(types_data)

4. 完整的HDF5文件内容遍历脚本 #

下面的代码可以递归遍历整个文件的结构，打印所有组、数据集的形状、类型及部分内容：

import h5py

def traverse_hdf5(name, obj):
    print(f"路径: {name}")
    print(f"类型: {type(obj).__name__}")
    if isinstance(obj, h5py.Dataset):
        print(f"形状: {obj.shape}, 数据类型: {obj.dtype}")
        # 尝试打印内容（标量直接输出，数组输出前5条）
        try:
            if obj.shape == ():
                print(f"内容: {obj[()]}")
            else:
                print(f"前5条内容: {obj[:5]}")
        except Exception as e:
            print(f"读取内容失败: {str(e)}")
    print("-"*50)

with h5py.File('sources.h5', 'r') as source_cat:
    print("HDF5文件完整结构及内容：")
    print("="*70)
    source_cat.visititems(traverse_hdf5)

内容的提问来源于stack exchange，提问作者NeStack