如何使用HDF5文件中的1D数组执行加减等运算并处理混合字符串类型问题

你读取得到的是NumPy结构化数组，这类数组允许不同字段存储不同类型数据，不能直接按普通二维数值数组的方式切片运算，按以下步骤处理即可：

步骤1：确认字段信息 #

读取数据后先打印数组的dtype属性，查看所有字段的名称、类型和顺序，示例代码如下：

import numpy as np
import h5py

with h5py.File('xaa.h5', 'r') as hdff:
    dat1 = np.array(hdff['particles/lipids/positions/dataset_0001'])
    dat2 = np.array(hdff['particles/lipids/positions/dataset_0002'])
    # 打印字段信息
    print(dat1.dtype)

你给出的示例数组对应的dtype输出大概为：
dtype([('f0', 'S3'), ('f1', 'S3'), ('f2', '<i4'), ('f3', '<f8'), ('f4', '<f8'), ('f5', '<f8')])
其中f3、f4、f5就是你需要的三个浮点型字段，如果HDF5数据集存储时设置了自定义字段名，打印结果会显示对应的自定义名称，替换后续代码中的字段名即可。

步骤2：提取浮点数列做运算 #

两种常用方案可选：

方案1：转为普通二维数值数组（适合大量数值运算场景）

提取浮点字段后转为统一类型的二维数组，后续可以直接做任意数值运算：

# 提取指定浮点字段，转为shape为(行数, 3)的float64数组
float_dat1 = dat1[['f3', 'f4', 'f5']].view(np.float64).reshape(dat1.shape[0], 3)
float_dat2 = dat2[['f3', 'f4', 'f5']].view(np.float64).reshape(dat2.shape[0], 3)

# 直接实现第二行减第一行的运算
row_diff = float_dat1[1] - float_dat1[0]
print(row_diff)

方案2：直接基于结构化数组字段运算（不需要额外转格式）

row_diff = dat1[1][['f3', 'f4', 'f5']] - dat1[0][['f3', 'f4', 'f5']]
# 结果可直接转为列表或普通数组使用
print(list(row_diff))

内容的提问来源于stack exchange，提问作者Mahesh