Python hdf5storage正在转换我的数据吗？

Question

Python代码：

import h5py
import hdf5storage
from functools import reduce
import numpy as np
from operator import mul

sz = 128,256,512
a = np.random.normal(size=reduce(mul,sz)).reshape(sz)
save_dict = {'data':a}

spath = r"test.mat"
hdf5storage.savemat(spath, mdict=save_dict, append_mat=False, 
                    store_python_metadata=True, format='7.3')

with h5py.File(spath, 'r') as file:
    b = np.array(file['data'])

# Reads in the correct shape, but is F-contiguous. Scipy doesn't work with v7.3 files.
c = hdf5storage.loadmat(spath)['data']

创建a时，它具有一个形状(128,256,512)。但是，当我使用.mat将a保存到hdf5storage文件，然后使用h5py将其加载到b中时，b会被转换为形状为(512,256,128)的位置。两个数组在检查它们的标志时都是C-连续的。

有什么办法可以防止这种转位的发生吗？我的印象是hdf5格式节省了行-专业。

Answer 1

我再次查看了在以下文件中描述的abc.h5文件：

how to import .mat-v7.3 file using h5py

它是在八达屋创建的，包括：

>> A = [1,2,3;4,5,6];
>> B = [1,2,3,4];
>> save -hdf5 abc.h5 A B

使用h5py

In [102]: f = h5py.File('abc.h5','r')
In [103]: A = f['A']['value'][:]
In [104]: A
Out[104]: 
array([[1., 4.],
       [2., 5.],
       [3., 6.]])
In [105]: A.shape
Out[105]: (3, 2)
In [106]: A.flags
Out[106]: 
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  ...
In [107]: A.ravel()
Out[107]: array([1., 4., 2., 5., 3., 6.])

所以它是一个转置的C级数组。显然，这就是MATLAB开发人员选择在HDF5中存储矩阵的方式。

我可以把它装在朗皮里：

In [108]: At = A.T
In [109]: At
Out[109]: 
array([[1., 2., 3.],
       [4., 5., 6.]])
In [110]: At.flags
Out[110]: 
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  ....

正常情况下，当转换时，C级数组变成F级.

用旧的.mat格式保存的八度矩阵

In [115]: data = io.loadmat('../abc.mat')
In [116]: data['A']
Out[116]: 
array([[1., 2., 3.],
       [4., 5., 6.]])
In [117]: _.flags
Out[117]: 
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True

因此，转换后的h5py数组与io.loadmat使用了相当一段时间的约定相匹配。

我没有在这个操作系统上安装hdf5storage。但是通过您的测试，它遵循了io.loadmat惯例--正确的形状，但F顺序。