如何在循环中构建分层HDF5数据集并写入转换后的数据？

直接把读取、处理和写入逻辑整合，用require_group安全创建层级组，避免重复创建报错，同时实现你需要的hdf5_output[molid][confid]['mPOL']访问结构，完整代码如下：

import h5py

def convert(at_num_data):
    # 替换为你的实际转换逻辑
    transformed = at_num_data * 2  # 示例转换操作
    return transformed

# 替换为你的输入文件路径
input_path = "your_input_file.hdf5"

with h5py.File(input_path, 'r') as fDFT, h5py.File('restricted.hdf5', 'w') as hdf5_output:
    mol_ids = list(fDFT.keys())
    for molid in mol_ids:
        # 创建molid对应的顶层组，若已存在则直接返回（比create_group更安全）
        mol_group = hdf5_output.require_group(molid)
        
        conf_ids = list(fDFT[molid].keys())
        for confid in conf_ids:
            if 'opt' in str(confid):
                # 创建当前confid对应的子组
                conf_group = mol_group.require_group(confid)
                
                # 读取并写入mPOL数据
                res1 = fDFT[molid][confid]['mPOL'][:]
                conf_group.create_dataset('mPOL', data=res1)
                
                # 读取、转换并写入atNUM数据（可自定义数据集名称）
                at_num_data = fDFT[molid][confid]['atNUM'][:]
                res2 = convert(at_num_data)
                conf_group.create_dataset('atNUM_transformed', data=res2)

关键说明： #

• require_group的优势：如果目标组已存在，create_group会抛出异常，require_group则直接返回已存在的组，适配循环创建场景。
• 层级结构对应：
  • 顶层组：直接使用molid的实际值作为组名
  • 子组：仅保留包含opt的confid作为子组名
  • 子组内数据集：mPOL保留原数据，转换后的atNUM可自定义命名存储
• 嵌套with语句：同时管理输入和输出文件，自动处理文件关闭，避免资源泄漏

生成的HDF5文件可直接通过hdf5_output[molid][confid]['mPOL']访问对应数据。

内容的提问来源于stack exchange，提问作者SGgr