【生物信息】h5py.File

h5py.File 是 Python 中 h5py 库提供的一个函数，用于读取和写入 HDF5（Hierarchical Data Format version 5） 格式的文件。HDF5 是一种强大的数据格式，可以高效存储和管理复杂结构和大规模数据。

用法

h5py.File 用于打开一个 HDF5 文件以进行读取、写入或创建操作。该函数返回一个对象，可以用来访问文件中的数据集（datasets）和组（groups），从而操作分层结构的数据。

语法

h5py.File(name, mode='r', driver=None, libver=None, userblock_size=None, swmr=False)

参数说明

name ：

HDF5 文件的名称（路径）。可以是字符串形式的文件路径，也可以是一个类文件对象。
mode ：

文件打开模式，常用值如下：
- 'r'：只读模式（默认）。文件必须存在。
- 'r+'：读写模式。文件必须存在。
- 'w'：创建新文件。如果文件已存在，则会被覆盖。
- 'w-' 或 'x'：创建新文件。如果文件已存在，则会报错。
- 'a'：读写模式。如果文件不存在，则会创建一个新文件。
driver ：

指定 HDF5 驱动程序。通常保持为 None，除非需要高级自定义。
libver ：

指定 HDF5 库的版本范围，常见值为 None 或类似 ('earliest', 'latest') 的元组。
userblock_size ：

如果指定，则设置文件开头用户块的大小（单位：字节）。大小必须是 2 的幂，且至少为 512。
swmr ：

布尔值，用于开启单写多读模式（SWMR，Single-Writer, Multiple-Reader）。适用于某些并发访问的场景。

示例

创建和写入数据

import h5py

# 创建一个新的 HDF5 文件
with h5py.File('example.h5', 'w') as f:
    # 创建数据集
    data = f.create_dataset('dataset_name', (100,), dtype='i')  # 创建一个大小为100的整数数据集
    data[:] = range(100)  # 写入数据

读取数据

import h5py

# 打开一个已有的 HDF5 文件
with h5py.File('example.h5', 'r') as f:
    # 访问数据集
    data = f['dataset_name']
    print(data[:])  # 读取数据

创建组和子数据集

import h5py

with h5py.File('example.h5', 'a') as f:
    # 创建一个组
    group = f.create_group('group_name')
    # 在组中创建一个子数据集
    group.create_dataset('sub_dataset', (50,), dtype='f')  # 浮点类型数据

`h5py.File` 的关键功能

分层结构 ：

支持类似文件系统的分层数据结构，数据可以按组（group）和数据集（dataset）组织。
高效 I/O ：

支持对大型数据集的高效流式读写，无需将整个数据集加载到内存中。
支持元数据 ：

可以通过属性（attributes）存储关于组或数据集的元数据，便于数据组织和管理。

使用技巧

文件管理 ：建议使用 with 语句管理文件资源，确保文件操作完成后自动关闭。
存储元数据：使用属性存储数据集或组的附加信息，便于后续查询和使用。
大数据处理：适合处理大规模数据，避免内存溢出。

在生物中很多数据都是h5格式的，因此python中的h5py库是必须用的。