Python中无法从HDF4/HDF5文件提取实际数据的技术求助

你目前用h5py和pyhdf能成功加载文件，但仅能获取数据集的元信息，无法提取实际数值，这是因为没有调用对应库的数据读取方法，以下是针对两种文件的修正方案：

一、HDF5文件（h5py库） #

h5py.File.keys()返回的是数据集名称的视图，并非可直接读取的数据集对象。需要通过名称获取数据集，再用切片操作[:]或[...]提取数据：

import h5py as hp
import numpy as np

# 打开HDF5文件
f1 = hp.File('TPR7_uw1_00539.19980101.011127_SAS.hdf', 'r')
# 获取所有数据集名称
ds_names = list(f1.keys())
print("HDF5数据集名称:", ds_names)

# 读取指定数据集的实际数据
target_ds = f1[ds_names[0]]  # 替换为你需要的数据集名称
data_h5 = target_ds[:]  # 或 target_ds[...]
print("HDF5数据形状:", data_h5.shape)
print("HDF5数据示例:", data_h5[:5])  # 打印前5条数据

# 关闭文件
f1.close()

二、HDF4文件（pyhdf库） #

SD.datasets()返回的是包含数据集元信息的字典，每个值是元组（包含名称、类型、维度等）。需要用SD.select()方法获取数据集对象，再通过get()或切片操作提取数据：

from pyhdf.SD import SD, SDC
import numpy as np

# 打开HDF4文件
f2 = SD('era5_2020_4_17_18.00_23.88_91.24.HDF', SDC.READ)
# 获取所有数据集元信息
ds_info = f2.datasets()
print("HDF4数据集信息:", ds_info)

# 读取温度数据集的实际数据
T_ds = f2.select("T")  # 通过数据集名称获取数据集对象
data_h4 = T_ds.get()  # 或 T_ds[:]
print("温度数据形状:", data_h4.shape)
print("温度数据示例:", data_h4[:5])  # 打印前5条数据

# 关闭文件
f2.end()

关键说明 #

• 两种库的核心区别：h5py通过文件对象直接索引数据集名称获取对象，pyhdf需要调用select()方法获取数据集对象。
• 切片操作[:]会一次性读取全部数据，若数据集过大，可指定范围（如[0:100, :]）分批读取，避免内存溢出。

内容的提问来源于stack exchange，提问作者Sky