python中使用h5py對(duì)HDF5文件進(jìn)行操作。
1、創(chuàng)建文件和數(shù)據(jù)集
import h5py
import numpy as np

HDF5的寫(xiě)入：

imgData = np.zeros((2,4))
f = h5py.File('HDF5_FILE.h5','w') #創(chuàng)建一個(gè)h5文件，文件指針是f
f['data'] = imgData #將數(shù)據(jù)寫(xiě)入文件的主鍵data下面
f['labels'] = np.array([1,2,3,4,5]) #將數(shù)據(jù)寫(xiě)入文件的主鍵labels下面
f.close() #關(guān)閉文件

HDF5的讀取：

f = h5py.File('HDF5_FILE.h5','r') #打開(kāi)h5文件

可以查看所有的主鍵

for key in f.keys():
print(f[key].name)
print(f[key].shape)
print(f[key].value)
輸出結(jié)果：
/data
(2, 4)
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
/labels
(5,)
[1 2 3 4 5]
Process finished with exit code 0

寫(xiě)入讀取pkl文件
1)字典類型：
import pickle
dict_data={'name':["張三","李四"]}
with open("dict_data.pkl","wb") as fo:
pickle.dump(dict_data,fo)
with open("dict_data","rb") as fo:
dict_data=pickle.load(fo,encoding='bytes')
print(dict_data.keys())
print(dict_data)
print(dict_data["name"])
結(jié)果如下：
dict_keys(['name'])
{'name': ['張三', '李四']}
['張三', '李四']
2)列表類型
import pickle
list_data=["張三","李四"]
with open ("list_data"，"wb") as fo:
pickle.dump(list_data,fo)

with open("list_data","rb") as fo:
pickle.load(fo,encoding='bytes')
print(list_data)
print(list_data.keys())
pirnt(list_data["name"])

mat文件
mat數(shù)據(jù)格式是Matlab的數(shù)據(jù)存儲(chǔ)的標(biāo)準(zhǔn)格式。在Matlab中主要使用load()函數(shù)導(dǎo)入一個(gè)mat文件，使用save()函數(shù)保存一個(gè)mat文件。對(duì)于文件data.mat：
load（‘data.mat')
save('data_1.mat','A')
其中'A’表示要保存的內(nèi)容。
在python讀取mat文件：
1、讀取文件：
import scipy.io as scio
file1='E://data.mat'
data=scio.loadmat(file1)
注意，讀取出來(lái)的data是字典格式，可以通過(guò)函數(shù)type(data)查看。
print type(data)
結(jié)果顯示
<type 'dict'>
找到mat文件中的矩陣：
print data['A']
結(jié)果顯示

image.png