HDF5

读/写自/到 HDF5 文件支持 format='hdf5' (this需要 h5py 待安装）。但 .hdf5 写入文件时会自动识别文件扩展名，读取（使用文件的前几个字节来识别格式）时会自动识别HDF5文件（即使使用不同的扩展名），因此在大多数情况下您不需要显式指定 format='hdf5' .

由于HDF5文件可以包含多个表，因此应该通过 path= 读写时的争论。

实例

读一个名为 data 从名为 observations.hdf5 ，您可以：

>>> from astropy.table import QTable
>>> t = QTable.read('observations.hdf5', path='data')

要读取嵌套在HDF5文件中组中的表，可以执行以下操作：

>>> t = QTable.read('observations.hdf5', path='group/data')

要将表写入新文件，还应指定路径：

>>> t.write('new_file.hdf5', path='updated_data')

也可以使用 append=True ：：

>>> t.write('observations.hdf5', path='updated_data', append=True)

与其他格式一样 overwrite=True 参数支持重写现有文件。要在包含多个数据集的HDF5文件中仅覆盖一个表，请使用 both 这个 overwrite=True 和 append=True 争论。

最后，在写入HDF5文件时 compression= 参数可用于确保数据在磁盘上被压缩：

>>> t.write('new_file.hdf5', path='updated_data', compression=True)

元数据和Mixin列

astropy 表可以包含元数据，两者都在表中 meta 属性（这是任意键/值对的有序字典），以及列中，每个列都有属性 unit ， format ， description 和 meta .

默认情况下，当向HDF5写入表时，代码将尝试在表中存储每个键/值对 meta 作为表数据集的HDF5属性。如果 meta 不是可以存储为HDF5属性的对象。此外，如果正在存储的表列为上面列出的任何列属性定义了值，则这些元数据将 not 并发出警告。

serialize_meta

要启用将所有表和列元数据存储到HDF5文件，请调用 write() 方法与 serialize_meta=True . 这将在一个单独的HDF5数据集中存储元数据，该数据集包含在同一个文件中，该文件名为 <path>.__table_column_meta__ . 在这里 path 参数是否在调用中提供 write() ：：

>>> t.write('observations.hdf5', path='data', serialize_meta=True)

将表元数据存储为字符串的数据集，方法是在YAML中按照 ECSV header format 定义。因为大多数常见语言都有YAML解析器，所以如果在非Astery应用程序中读取HDF5，就可以很容易地访问和使用表元数据。

通过指定 serialize_meta=True 还可以存储到包含以下内容的HDF5表 混合柱 等 Time 或 SkyCoord 列.

备注

某些类型的元数据(例如，NumPy对象数组)不能使用YAML正确序列化。