如何将numpy数组转换为Zarr数组

Question

假设我将一个简单的列数据帧转换为一个numpy数组：

gdf.head()
>>>

     rid    rast
0      1    01000001000761C3ECF420013F0761C3ECF42001BF7172...
1      2    01000001000761C3ECF420013F0761C3ECF42001BF64BF...
2      3    01000001000761C3ECF420013F0761C3ECF42001BF560C...
3      4    01000001000761C3ECF420013F0761C3ECF42001BF7F25...
4      5    01000001000761C3ECF420013F0761C3ECF42001BF7172...

raster_np = gdf.to_numpy()
raster_np[0][0]
>>> array([1, '01000001000761C3E.........], dtype=object))   

我的任务是将rast数组转换为Zarr文件格式(由于numpy值的大小和数据帧的大小，可能需要分块和压缩，并且新的.zarr文件在S3/云存储环境中可以得到更好的利用)。我创建了一个简单的Zarr数组，如下所示：

 z_test = z.zeros(shape=(10000, 2), chunks=(10000, 2))
 z_test
 >>> <zarr.core.Array (10000, 2) float64>

现在，如何将raster_np中的数据转换为z_test并保留Zarr属性？简单地使用z_test = raster_np显然行不通。也许我对Zarr有些误解。有什么建议吗？

Answer 1

由于初始数组是混合类型(object)，因此需要使用正确的数据类型创建zarr数组，并对数据进行编码。您可以使用来自numcodecs的JSON编码器。

import numcodecs

z_test = zarr.zeros(shape=(10000, 2), dtype=object, object_codec=numcodecs.JSON())
z_test[:] = raster_np

但是，如果将rid和raster列分别存储为具有int和str数据类型的单独数组，或者将十六进制转换为另一种基数，则性能会更好。