Python和HDF 5大数据应用

随着Python应用领域的拓展，越来越多的人将Python用于处理大型数值数据集，使用标准格式来行数据的存储和通信也显得越来越重要，而HDF5也正迅速成为人们存储科学数据的选择。本书向任何有Python数据分析基本背景的人介绍如何在Python下使用HDF5。 本书将着重于HDF5的本地功能集，而不是Python的高层抽象。熟悉Python和NumPy的读者，更容易阅读和掌握本书的内容。本书适合有一定基础的Python发者，尤其适合要使用Python发数据存储和处理等相关应用的读者阅读参考。
【推荐语】
Python语言在科学计算和数据处理领域应用前景广阔。大数据时代，催生了人们处理大量数据的实际需求。Python应用领域的拓展，越来越多的人将Python用于处理大型数值数据集，使用标准格式来行数据的存储和通信也显得越来越重要，而HDF5也正迅速成为人们存储科学数据的选择。本书会带你迅速了解使用HDF5对大小从GB至TB的数字数据集行存档和共享的细节、实践以及陷阱，体验在Python语言中用HDF5存储科学数据。通过真实世界的例子以及动手练习，你将依次学习科学数据集、层次性组织的组、用户定义的元数据，以及有互操作性的文件等主题。本书的例子对于Python2和Python3都适用。 本书包括以下内容：设置HDF5工具并创建HDF5文件。通过学习HDF5数据集对象来使用数据集。理解数据集分块和压缩等高级功能。使用组来学习如何利用HDF5层次性结构。使用HDF5的属性来添加元数据，创建可以自解释的文件。利用HDF5的类型系统创建有互操作性的文件。使用引用，命名类型和维度标尺来表示数据之间的关系。了解在Python中如何编写能跟HDF5互动的并行代码。本书生产力和创造力的推器的一个真实的完美例子。本书会让你觉得"HDF5很简单"。
【作者】
Andrew Collette拥有UCLA的物理学博士，目前是科罗拉多大学的实验室研究科学家，并且他获得了UCLA的物理学博士学位。他已经在两台几百万美元的研究设备上用Python-NumPy-HDF5行过科学分析。他是HDF5 for Python（h5py）项目的发领袖。