如何将gro轨迹数据拆分写入HDF5多组并解决盒尺寸写入报错

• 页脚行解析格式错误：你定义的fmtstring1会把最后一行解析出6个字段，其中前3个是无效的空白值，直接将6个字段的数组往目标位置写入时形状不匹配，触发报错。实际上最后一行仅包含3个箱型参数浮点值，无需复杂的struct解析，直接分割字符串转浮点即可。
• 重复创建数据集错误：你在每轮循环中都调用create_dataset创建同名的box_size数据集，HDF5不允许同组下存在重名数据集，首次循环可正常执行，第二次循环就会触发错误。应该和粒子位置数据集的逻辑一致，首次迭代时创建可扩容的数据集，后续迭代仅追加数据。
• 数据集形状定义错误：你之前注释中的box数据集形状设为(0, nparticles, 3)完全不符合需求，箱型参数每帧仅3个值，正确形状应为(帧数, 3)。
• 关联逻辑缺失：你提前创建了edge组下的time、step数据集，但没有写入对应数据，无法和箱型参数关联。

import struct
import numpy as np
import h5py
import re

# gro文件转h5文件逻辑
csv_file = 'com'

fmtstring = '7s 8s 5s 7s 7s 7s'
fieldstruct = struct.Struct(fmtstring)
parse = fieldstruct.unpack_from

with open(csv_file, 'r') as f, \
    h5py.File('xaa_trial.h5', 'w') as hdf:
    # 粒子组及属性定义
    particles_grp = hdf.require_group('particles/lipids/positions')
    box_grp = particles_grp.create_group('box')
    dim_grp = box_grp.create_group('dimension')
    dim_grp.attrs['dimension'] = 3
    bound_grp = box_grp.create_group('boundary')
    bound_grp.attrs['boundary'] = ['periodic', 'periodic', 'periodic']
    edge_grp = box_grp.create_group('edges')
    edge_ds_time = edge_grp.create_dataset('time', dtype='f', shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
    edge_ds_step = edge_grp.create_dataset('step', dtype=np.uint64, shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
    edge_ds_value = None
    # H5MD组及属性定义
    h5md_grp = hdf.require_group('h5md/version/author/creator')
    h5md_grp.attrs['version'] = 1.0
    h5md_grp.attrs['author'] = 'rohit'
    h5md_grp.attrs['creator'] = 'known'
    
    # 粒子位置相关数据集定义
    ds_time = particles_grp.create_dataset('time', dtype="f", shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
    ds_step = particles_grp.create_dataset('step', dtype=np.uint64, shape=(0,), maxshape=(None,), compression='gzip', shuffle=True)
    ds_value = None

    step = 0
    while True:
        header = f.readline()
        m = re.search("t= *(.*)$", header)
        if m:
            time = float(m.group(1))
        else:
            print("End Of File")
            break

        # 读取粒子数
        nparticles = int(f.readline())
        # 读取所有粒子位置数据
        arr = np.empty(shape=(nparticles, 3), dtype=np.float32)
        for row in range(nparticles):
            fields = parse( f.readline().encode('utf-8') )
            arr[row] = np.array((float(fields[3]), float(fields[4]), float(fields[5])))

        if nparticles > 0:
            # 首次迭代创建可扩容的粒子位置数据集
            if not ds_value:
                ds_value = particles_grp.create_dataset('value', dtype=np.float32,
                                                        shape=(0, nparticles, 3), maxshape=(None, nparticles, 3),
                                                        chunks=(1, nparticles, 3), compression='gzip', shuffle=True)
            # 追加当前帧粒子数据
            ds_time.resize(step + 1, axis=0)
            ds_step.resize(step + 1, axis=0)
            ds_value.resize(step + 1, axis=0)
            ds_time[step] = time
            ds_step[step] = step
            ds_value[step] = arr
  
        # 处理页脚箱型参数
        footer_line = f.readline().strip()
        box_arr = np.array(list(map(float, footer_line.split())), dtype=np.float32)
        # 首次迭代创建箱型参数数据集
        if not edge_ds_value:
            edge_ds_value = edge_grp.create_dataset('value', dtype=np.float32,
                                                    shape=(0, 3), maxshape=(None, 3),
                                                    chunks=(1, 3), compression='gzip', shuffle=True)
        # 追加当前帧箱型参数和对应的step、time
        edge_ds_time.resize(step + 1, axis=0)
        edge_ds_step.resize(step + 1, axis=0)
        edge_ds_value.resize(step + 1, axis=0)
        edge_ds_time[step] = time
        edge_ds_step[step] = step
        edge_ds_value[step] = box_arr
        
        step += 1

内容的提问来源于stack exchange，提问作者Mahesh