将一个netsted字典保存为hdf或netCDF。

Question

一般来说，将字典保存为hdf或netCDF是很直接的。例如 此处.但如何处理嵌套的字典。例如下面的字典。

test = {'temp': {'unit': 'K', 'data': [273.,298.,315.]}, 'press': {'unit': 'hPa', 'data': [800.,900.,1000.]}}

请注意，嵌套可以持续到几层。所以我需要在netCDF或hdf的组内建立子组。

Answer 1

没关系，我知道答案了

导入numpy作为npimport h5py。

def dict2hdf5(filename, dic):
    with h5py.File(filename, 'w') as h5file:
        recursive_dict2hdf5(h5file, '/', dic)


def recursive_dict2hdf5(h5file, path, dic):
    for key, item in dic.items():
        if not isinstance(key, str):
            key = str(key)
        if isinstance(item, (np.ndarray, np.int64, np.float64, str, bytes)):
            h5file[path + key] = item
        elif isinstance(item, list):
            h5file[path + key] = np.array(item)
        elif isinstance(item, dict):
            recursive_dict2hdf5(h5file, path + key + '/',
                                item)
        else:
            raise ValueError('Cannot save %s type' % type(item))

Answer 2

也许这个函数可以帮到你。我在这里为你的例子定制了这个函数，但如果你能提供一个属性字典，并使它的工作方式类似于 "data"，效果会更好。我使用xarray来演示如何获得数据集变量，但你可以将这个想法转移到你选择的工具上。

import xarray as xr

def create_variable(dataset, var, test, dimensions):

    data = test[var]['data'] 
    attrs = {'unit':test[var]['unit']} 


    v = xr.Variable(dimensions, data, attrs=attrs)
    dataset[var] = v

    return var