《Python和HDF 5大資料應用》——導讀

過去的幾年裡，python已經和idl或matlab一樣，成為科學分析領域值得信賴的選擇。它擁有穩健的核心子產品，可用于處理數值數組（numpy）、分析 scipy）以及繪圖（matplotlib），同時還擁有十分豐富的專用子產品。它能幫助人們減少編寫科學代碼的工作量，同時還能提高計算結果的品質。

已經有越來越多的人将python用于大型數值資料集處理，使用标準格式來進行資料的存儲和通信也顯得越來越重要。國家超級電腦應用中心（national center for supercomputing applications，ncsa）開發的“層次性資料格式”（hierarchical data format，hdf）的最新版本hdf5正迅速成為人們儲存科學資料的選擇。很多使用（或有意使用）hdf5的研究人員也被python的易用性和快速開發能力吸引。

本書向所有有python資料分析基本背景的人介紹如何在python下使用hdf5。本書假定讀者隻熟悉python和numpy。本書将側重于hdf5的本地功能集，而不是python的高層抽象，以盡力確定在本書建議下建立的hdf檔案可移植。

最後，本書将盡力同時支援python 2和python 3的使用者。本書所有的示例都以python 2寫就，任何有可能導緻誤會的差別都将在文本中特别注明。

[第1章 簡介

1.1.1　資料和中繼資料的組織

1.1.2　大資料複制

<a href="https://yq.aliyun.com/articles/93552/">1.2　hdf5到底是什麼</a>

1.2.1　hdf5檔案規格

1.2.2　hdf5标準庫

1.2.3　hdf5生态系統

[第2章 開始使用

<a href="https://yq.aliyun.com/articles/93575/">2.2　設定</a>

2.2.1　python2還是python3

2.2.2　代碼示例

2.2.3　numpy

2.2.4　hdf5和h5py

2.2.5　ipython

2.2.6　時間和優化

<a href="https://yq.aliyun.com/articles/93594/">2.3　hdf5工具</a>

2.3.1　hdfview

2.3.2　vitables

2.3.3　指令行工具

<a href="https://yq.aliyun.com/articles/93617/">2.4　你的第一個hdf5檔案</a>

2.4.1　使用環境管理器

2.4.2　檔案驅動

2.4.3　使用者塊

第3章 使用資料集

第4章 讓分塊和壓縮來幫忙

第5章 組、連結和疊代：hdf5的層次性

第6章 用特征存儲中繼資料

第7章 更多關于類型

第8章 通過引用、類型和次元标尺來組織資料

第9章 hdf5并發性：多線程和多程序

第10章 下一步

索引