Python读取Julia OneSampleTTest的JLD文件时如何解析HDF5指针对象

JLD是Julia基于HDF5实现的对象序列化格式，存储OneSampleTTest这类自定义复合结构体时，不会把所有字段值直接平铺在目标键下：基础数值类型的字段（比如样本量、自由度）会直接存在元组里，非基础类型/通用数值字段会存在HDF5文件的其他存储位置，元组里只保留指向这些位置的HDF5对象引用，所以直接读取键拿到的是带引用指针的元组，不是实际字段值。

方法1：从存储端优化（最稳定，推荐） #

最稳妥的方案是在Julia存文件阶段，不要直接存储完整的t检验结构体对象，提前把你需要的所有标量结果（双侧p值、t统计量、自由度、置信区间等）提取出来，以基础数值类型存入JLD文件，这种格式h5py可以直接读取，不会出现对象引用问题。
Julia端存储示例代码：

using HypothesisTests, JLD
# 假设你的所有t检验结果存在test_res字典中，键为检验名称
save_content = Dict()
for (test_name, ttest_obj) in test_res
    # 提取需要的指标单独存
    save_content["p_both_$(test_name)"] = pvalue(ttest_obj; tail=:both)
    save_content["t_stat_$(test_name)"] = ttest_obj.t
    save_content["df_$(test_name)"] = ttest_obj.df
    ci_low, ci_high = confint(ttest_obj)
    save_content["ci_low_$(test_name)"] = ci_low
    save_content["ci_high_$(test_name)"] = ci_high
end
save("filename.jld", save_content)

按这种方式存储后，Python端用原有h5py代码直接读取对应键即可拿到实际数值。

方法2：直接解引用现有文件的指针 #

如果你已经生成了存储完整OneSampleTTest对象的JLD文件，不想重新跑Julia流程，可以直接用h5py的解引用能力取出指针对应的实际值。
你拿到的元组(100000, <HDF5 object reference>, 99999, <HDF5 object reference>, <HDF5 object reference>, <HDF5 object reference>)中，索引0是样本量、索引2是自由度，都是直接存储的整数值；剩下4个位置的引用分别对应t统计量、左尾p值、右尾p值、双侧p值，直接通过文件对象索引引用即可拿到实际值，Python端代码示例：

import h5py
f = h5py.File("filename.jld", "r")
raw_tuple = f["p_value_Never_vs_AtoBat60_FP"][()]

# 解引用拿对应值
t_stat = f[raw_tuple[1]][()]    # 索引1对应t统计量
p_left = f[raw_tuple[3]][()]    # 索引3对应左尾单侧p值
p_right = f[raw_tuple[4]][()]   # 索引4对应右尾单侧p值
p_both = f[raw_tuple[5]][()]    # 索引5对应双侧p值

print(f"双侧p值为：{p_both}")

注：不同版本的HypothesisTests.jl结构体字段顺序可能存在细微差异，如果取到的数值不符合预期（比如p值不在0~1区间），可以把所有引用解出后按数值范围判断对应字段即可。
如果直接用f[ref]解引用报错，可查看根目录下的_refs分组，对应引用的实际数据都存在该分组下。

内容的提问来源于stack exchange，提问作者Soheilmn