如何處理R中的hdf5文件？

Question

我有一個hdf5格式的文件。我知道它應該是一個矩陣，但我想在R中閱讀這個矩陣，以便我可以研究它。我看到有一個h5r軟件包可以幫助解決這個問題，但我沒有看到任何簡單的閱讀/理解教程。在線提供這樣的教程嗎？具體來說，你如何閱讀這個包中的hdf5對象，以及如何實際提取矩陣？

UPDATE

我發現了一個包rhdf5這是不CRAN的一部分，但是Bioconductor的的一部分。界面相對容易理解文檔，示例代碼非常清晰。我可以毫無問題地使用它。我的問題似乎是輸入文件。我想要讀取的矩陣實際上作爲python pickle存儲在hdf5文件中。所以每次我試圖打開它並通過R訪問它時，我得到了segmentation fault。我弄清楚如何將python中的矩陣保存爲tsv文件，現在解決了該問題。

Answer 1

我用rgdal包讀取HDF5文件。您需要注意，可能rgdal的二進制版本不支持hdf5。在這種情況下，您需要從源代碼構建gdal，並在構建來自源代碼的rgdal之前支持HDF5。

或者，嘗試將文件從hdf5轉換爲netcdf。一旦他們在netcdf中，你可以使用優秀的ncdf包來訪問數據。我認爲可以通過cdo tool完成轉換。

Answer 2

ncdf4軟件包（netCDF-4的接口）也可以用於讀取hdf5文件（netCDF-4與netCDF-3兼容，但它使用hdf5作爲存儲層）。

在顯影劑的話：

• 的HDF group說：

的NetCDF-4結合的netCDF-3和HDF5數據模型，獲取每個的所希望的特性，同時利用各自的優勢

• Unidata說：

的的netCDF-4格式實現並通過使用HDF5的增強版本作爲存儲層擴展的netCDF-3數據模型。

在實踐中，ncdf4提供了一個簡單的界面，並使用較老hdf5和ncdf封裝到一個ncdf4包遷移代碼取得了our code bug更少，更容易編寫（我的一些試驗和解決方法的my previous answer都記錄）。

Answer 3

rhdf5包運行得非常好，雖然它不在CRAN中。從Bioconductor

source("http://bioconductor.org/biocLite.R") 
biocLite("rhdf5") 

安裝並使用它：

library(rhdf5) 

列表中的對象文件中找到你想要閱讀的數據組：

h5ls("path/to/file.h5") 

閱讀HDF5數據：

mydata <- h5read("path/to/file.h5", "/mygroup/mydata") 

而且inspect the structure：

str(mydata) 

（請注意，多維數組may appear transposed）。您也可以閱讀R組，這些組將列入R.列表。

Answer 4

您也可以使用h5，這是我最近在CRAN上發佈的一個包。 相比rhdf5它具有以下特點：

1. S4對象模型直接交互與HDF5對象，如文件，組，數據集和屬性。
2. 簡單的語法，實現R-像子集操作符的數據集支持像 readdata <- dataset[1:3, 1:3] dataset[1:3, 1:3] <- matrix(1:9, nrow = 3)
3. 支持NA命令對所有數據類型
4. 200+測試用例用80％+的代碼覆蓋值。

要保存矩陣可以使用：

library(h5) 
testmat <- matrix(rnorm(120), ncol = 3) 
# Create HDF5 File 
file <- h5file("test.h5") 
# Save matrix to file in group 'testgroup' and datasetname 'testmat' 
file["testgroup", "testmat"] <- testmat 
# Close file 
h5close(file) 

...並宣讀了整個矩陣回R：

file <- h5file("test.h5") 
testmat_in <- file["testgroup", "testmat"][] 
h5close(file) 

又見H5上

• CRAN：http://cran.r-project.org/web/packages/h5/index.html
• Github：https://github.com/mannau/h5