使用h5py合并多个HDF5组创建数据集时出现NumPy广播报错

当前代码触发报错的核心是对numpy数组的操作逻辑混淆：你代码里写的one_T+two_T+...的+运算符，对numpy数组来说是逐元素数学加法，而非数据拼接操作。由于待合并的几个数组列数不一致，无法完成逐元素相加的广播计算，因此抛出维度不匹配的错误。

要实现“行数完全一致、列数不同的多个数组合并为单个数组”的目标，需要沿列方向做数组拼接，而非数学相加，具体操作如下：

• 逐个将HDF5中的目标组读为独立的numpy二维数组，确认每个数组的形状为(总行数, 单数组列数)，且所有数组的总行数完全匹配
• 调用numpy的列拼接接口整合所有数组，不要使用+运算符
• 将拼接完成的完整数组写入目标HDF5数据集

参考实现代码：

import h5py
import numpy as np

# 从原HDF文件读取所有待合并组的完整数据
with h5py.File('原HDF文件路径', 'r') as src_hdf:
    # 替换为实际的组路径
    one_T = src_hdf['组1路径'][:]
    two_T = src_hdf['组2路径'][:]
    three_T = src_hdf['组3路径'][:]
    four_T = src_hdf['组4路径'][:]
    five_T = src_hdf['组5路径'][:]

# 沿列方向（axis=1）拼接所有数组，总行数保持不变，列数累加
merged_dataset = np.concatenate(
    [one_T, two_T, three_T, four_T, five_T],
    axis=1
)
# 等价写法：merged_dataset = np.hstack([one_T, two_T, three_T, four_T, five_T])

# 将拼接好的数据集写入新的HDF文件
with h5py.File('/train.h5', 'w') as hdf:
    hdf.create_dataset('train', data=merged_dataset)

• 拼接前可打印每个数组的shape值逐一校验，确保第一维度（行数）完全相等，避免出现新的维度不匹配报错
• 若读到的数组是一维结构（形状为(n,)而非(n,m)），可通过arr[:, np.newaxis]补全列维度后再参与拼接
• 内存不足时可逐块拼接写入，无需一次性加载全量数组到内存

内容的提问来源于stack exchange，提问作者David Johnson