H5文件是分层数据格式的第五代版本(Hierarchical Data Format，HDF5)，是用于存储科学数据的文件格式和库文件。 以美国超级计算中心和应用中心开发的文件格式，存储和整理大数据
将H5文件结构简化为两种主要对象类型：
1数据集dataset是同一类型数据的多维数组
2组组组是一个容器结构，可以包含数据集和其他组。如果一个文件包含不同类型的数据集，则组将用于管理这些数据集
直观理解，可以参考我们的文件系统，不同的文件存储在不同的目录中：
目录是hdf5文件中的组，描述数据集数据组的分类信息，通过组有效管理和分类多种数据组
文件是hdf5文件中的dataset，表示具体数据
下图为数据集与组的关系：
h5文件是真正的分层结构，是文件系统的数据类型。 数据集还包括元数据，即元数据
对于每个dataset，除了数据本身之外，这个数据集还有很多的属性信息.HDF5支持同时存储与数据集相对应的属性信息，所有属性信息的集合称为http://www.Sina.com/，下图为h5
h5py文件是存储两种类型对象的容器，数据集(数据集)和组(组)、dataset类似于数组类的数据集合，与numpy数组几乎相同。 group是一个容器，类似于文件夹，类似于python字典，包含“关键帧”和值。 组中可以容纳dataset和其他组。 “键”是组成员的名称，“值”是组成员对象本身(组或数据集)。 让我们看看如何创建组和数据集。
通过创建h5py文件classfile(name，mode=None，driver=None，libver=None，userblock_size=None，**kwds )来创建HDF5文件userblock_size返回在文件开头指定的打开文件的句柄(以字节为单位，称为userber )。
有效的mode参数如下：
模式说明
r只读，文件必须存在
r读写，文件必须存在
w创建并写入新文件将复盖已存在的文件
w-/x创建并写入新文件。 如果文件已经存在，将出现错误
a打开现有文件进行读写，如果不存在，创建新文件进行读写。 这是默认的模式
导入h5py #读取文件时，如果将w转换为RF=h5py.file('myh5py.hdf5 '，' w ' )，则会在当前目录下生成myh5py.HDF5文件
2.dataset数据集创建create_dataset(self，name，shape=None，dtype=None，data=None，**kwds )以创建新的dataset 指定创建的dataset的名称name，就像文件路径一样。 shape指定为tuple或list。 在「()”中指定标量数据的形状。 dtype表示创建的dataset的数据类型。 如果可以指定numpy dtype或表示数据类型的字符串，并且data为None，则必须创建空dataset并设置shape和dtype。 如果data不是None，则可以在不设置shape和dtype的情况下使用data的shape和dtype，但如果设置，则必须与data的shape和dtype兼容。
三种方式
import H5 pyimportnumpyasnpf=h5py.file (myh5 py.HD F5 '，' w ' ) #分别创建三个数据集： dset1、dset2和dset3。 #具有现成的numpy数组，可以在创建数据集时为其赋值；a=NP.arange(20 ) D1=f.create _ dataset；data=a ) #dset2是数据4 )表示数据集的shape，I表示数据集的元素类型D2=' I ' ) D2[.]=NP.arange(12 ).reshape ) ]赋值)创建数据集，如下所示
nt(f[key].value)输出：/dset1[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]/dset2[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]/dset3[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] 3. 创建group组 create_group(self, name, track_order=False)创建一个新的 group。以类似目录路径的形式指明所创建 group 的名字 name，如果 track_order 为 True，则会跟踪在当前 group 下的 group 和 dataset 创建的先后顺序。该方法可以在打开的文件句柄（相当于 “/” group）或者一个存在的 group 对象上调用，此时 name 的相对路径就是相对于此 group 的。
import h5pyimport numpy as npf=h5py.File("myh5py.hdf5","w")#创建一个名字为bar的组g1=f.create_group("bar")#在bar这个组里面分别创建name为dset1,dset2的数据集并赋值。g1["dset1"]=np.arange(10)g1["dset2"]=np.arange(12).reshape((3,4))for key in g1.keys(): print(g1[key].name) print(g1[key].value)输出：/bar/dset1[0 1 2 3 4 5 6 7 8 9]/bar/dset2[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]注意观察数据集dset1和dset2的名字有点和前面的不一样，如果是直接创建的数据集，不在任何组里面，那么它的名字就是**/+名字**，现在这两个数据集都在bar这个group(组)里面，名字就变成了**/bar+/名字**，有点文件夹的感觉。
import h5pyimport numpy as npf=h5py.File("myh5py.hdf5","w")#创建组bar1,组bar2，数据集dsetg1=f.create_group("bar1")g2=f.create_group("bar2")d=f.create_dataset("dset",data=np.arange(10))#在bar1组里面创建一个组car1和一个数据集dset1。c1=g1.create_group("car1")d1=g1.create_dataset("dset1",data=np.arange(10))#在bar2组里面创建一个组car2和一个数据集dset2c2=g2.create_group("car2")d2=g2.create_dataset("dset2",data=np.arange(10))#根目录下的组和数据集print(".............")for key in f.keys(): print(f[key].name)#bar1这个组下面的组和数据集print(".............")for key in g1.keys(): print(g1[key].name)#bar2这个组下面的组和数据集print(".............")for key in g2.keys(): print(g2[key].name)#顺便看下car1组和car2组下面都有什么，估计你都猜到了为空。print(".............")print(c1.keys())print(c2.keys())输出：............./bar1/bar2/dset............./bar1/car1/bar1/dset1............./bar2/car2/bar2/dset2.............[][]————————————————
参考：https://www.cnblogs.com/abella/p/11125466.html
https://blog.csdn.net/csdn15698845876/article/details/73278120
https://www.jianshu.com/p/de9f33cdfba0