时间戳

首页 > 解决方案 > 如何将 hdf5 文件定义为一些因变量的函数？

python - 如何将 hdf5 文件定义为一些因变量的函数？

问题描述

我需要你的好意建议。我有一个 hdf5 文件，我可以在 python 中读取该文件。h5 文件包含大量数据，这些是潜在的值（取决于位置 (x, y, z) ）。我还可以使用 RegularGridInterpolator 插入我的 3D 常规网格数据。现在，我的问题是：如何将我的 h5 文件数据定义为 x、y、z 的函数，以便它能够更新我的 a_1 (x,y,z) 、 a_2(x,y,z).. . 我的代码中的值。这是我的 h5 文件的链接：https ://drive.google.com/open?id=1OFIg7pjfpfjq3Vnvqaj2uyCFjiTwZ9QK

我的代码：

import numpy as np
from numpy import gradient
import h5py
import matplotlib.pyplot as plt
from scipy.interpolate import RegularGridInterpolator

f = h5py.File('k.h5', 'r') 
list(f.keys())
dset = f[u'data']
dset.shap
dset.value.shape
dset[0:64, 0:64, 0:64]
x = np.linspace(-160, 160, 64)
y = np.linspace(-160, 160, 64)
z = np.linspace(-160, 160, 64)

my_interpolating_function = RegularGridInterpolator((x, y, z), dset.value)
pts = np.array([100, 5, -10])  
my_interpolating_function(pts)

# Apply gradient function
gradx, grady, gradz = np.gradient(dset.value)
gradx.shape

# To find the gradient at any point
gradx_interpol = RegularGridInterpolator((x, y, z), gradx)
grady_interpol = RegularGridInterpolator((x, y, z), grady)
gradz_interpol = RegularGridInterpolator((x, y, z), gradz)


def get_val_and_grads(pts):
    v1, x1, y1, z1 = my_interpolating_function(pts), gradx_interpol(
        pts), grady_interpol(pts), gradz_interpol(pts)
    return v1, x1, y1, z1


##getting_interpolated_values

k1 = my_interpolating_function(pts)
k_dx = gradx_interpol(pts)
k_dy = grady_interpol(pts)
k_dz = gradz_interpol(pts)

def a_1(x,y,z):

    return  -(adot/a**2)*k1

def a_2(x,y,z):

    return (1/a)*k_dx

标签： pythonscipyinterpolationhdf5h5py

解决方案

我会尽力提供帮助。您的问题与 scipy 的关系RegularGridInterpolator()比与 HDF5 的关系更大。HDF5 只是一个数据源。我建议您在使用 HDF5 之前通过 scipy 示例进行工作。它显示了插值函数如何定义和使用网格坐标和值。

我查看了您的 HDF5 文件 ( k.h5)。它只有一个具有网格点潜在值的数据集。它在网格点（x、y、z 值）处没有坐标。您在代码中使用这些行定义了 x、y、z 坐标：

x = np.linspace(-160, 160, 64)
y = np.linspace(-160, 160, 64)
z = np.linspace(-160, 160, 64)

坐标和值通常存储在一起。按照您的操作方式，您可以将任何 x、y、z 坐标与这些网格值相关联。这是你的意图吗？

我重新编写了代码的第一部分以插入一些值。见下文。我不熟悉np.gradient()，所以对那部分无能为力。
第一次调用RegularGridInterpolator()（和返回值）是使用您在上面提供的 x,y,z 值完成的。第二次调用RegularGridInterpolator()（和返回值）是针对数据集的角坐标（第一个/最后一个值）完成的。它确认插值器返回“正确答案”。

更新了插入值的代码：

import numpy as np
from numpy import gradient
import h5py
#import matplotlib.pyplot as plt
from scipy.interpolate import RegularGridInterpolator

f = h5py.File('k.h5', 'r') 
list(f.keys())
dset = f[u'data'][:,:,:]
print ('dset.shape=', dset.shape)
print ('dset.first/last=', dset[0,0,0], dset[-1,-1,-1])

x = np.linspace(-160, 160, 64)
y = np.linspace(-160, 160, 64)
z = np.linspace(-160, 160, 64)

my_interpolating_function = RegularGridInterpolator((x, y, z), dset)

pts = np.array([100, 5, -10])
print ('pts=', pts)
vals_at_pts = my_interpolating_function(pts)
print ('vals_at_pts=', vals_at_pts)

pts = np.array([[-160, -160, -160], [160, 160, 160]])
print ('pts=', pts)
vals_at_pts = my_interpolating_function(pts)
print ('vals_at_pts=', vals_at_pts)

输出：

dset.shape= (64, 64, 64)
dset.first/last= -2.386316671021661e-05 -2.966368162003158e-05
pts= [100   5 -10]
vals_at_pts= [-3.0528203e-07]
pts= [[-160 -160 -160]  [ 160  160  160]]
vals_at_pts= [-2.38631667e-05 -2.96636816e-05]

推荐阅读