編輯推薦:　　Python語言在科學(xué)計(jì)算和數(shù)據(jù)處理領(lǐng)域應(yīng)用前景廣闊。大數(shù)據(jù)時(shí)代，催生了人們處理大量數(shù)據(jù)的實(shí)際需求。
　　Python應(yīng)用領(lǐng)域的拓展，越來越多的人將Python用于處理大型數(shù)值數(shù)據(jù)集，使用標(biāo)準(zhǔn)格式來進(jìn)行數(shù)據(jù)的存儲(chǔ)和通信也顯得越來越重要，而HDF5也正迅速成為人們存儲(chǔ)科學(xué)數(shù)據(jù)的選擇。
　　本書會(huì)帶你迅速了解使用HDF5對(duì)大小從GB至TB的數(shù)字?jǐn)?shù)據(jù)集進(jìn)行存檔和共享的細(xì)節(jié)、實(shí)踐以及陷阱，體驗(yàn)在Python語言中用HDF5存儲(chǔ)科學(xué)數(shù)據(jù)。
　　通過真實(shí)世界的例子以及動(dòng)手練習(xí)，你將依次學(xué)習(xí)科學(xué)數(shù)據(jù)集、層次性組織的組、用戶定義的元數(shù)據(jù)，以及有互操作性的文件等主題。本書的例子對(duì)于Python2和Python3都適用。
　　本書包括以下內(nèi)容：
　　設(shè)置HDF5工具并創(chuàng)建HDF5文件。
　　通過學(xué)習(xí)HDF5數(shù)據(jù)集對(duì)象來使用數(shù)據(jù)集。
　　理解數(shù)據(jù)集分塊和壓縮等高級(jí)功能。
　　使用組來學(xué)習(xí)如何利用HDF5層次性結(jié)構(gòu)。
　　使用HDF5的屬性來添加元數(shù)據(jù)，創(chuàng)建可以自解釋的文件。
　　利用HDF5的類型系統(tǒng)創(chuàng)建有互操作性的文件。
　　使用引用，命名類型和維度標(biāo)尺來表示數(shù)據(jù)之間的關(guān)系。
　　了解在Python中如何編寫能跟HDF5互動(dòng)的并行代碼。
　　本書生產(chǎn)力和創(chuàng)造力的推進(jìn)器的一個(gè)真實(shí)的完美例子。本書會(huì)讓你覺得"HDF5很簡(jiǎn)單"。

內(nèi)容簡(jiǎn)介:　　隨著Python應(yīng)用領(lǐng)域的拓展，越來越多的人將Python用于處理大型數(shù)值數(shù)據(jù)集，使用標(biāo)準(zhǔn)格式來進(jìn)行數(shù)據(jù)的存儲(chǔ)和通信也顯得越來越重要，而HDF5也正迅速成為人們存儲(chǔ)科學(xué)數(shù)據(jù)的選擇。
　　本書向任何有Python數(shù)據(jù)分析基本背景的人介紹如何在Python下使用HDF5。 本書將著重于HDF5的本地功能集，而不是Python的高層抽象。熟悉Python和NumPy的讀者，更容易閱讀和掌握本書的內(nèi)容。
　　本書適合有一定基礎(chǔ)的Python開發(fā)者，尤其適合要使用Python開發(fā)數(shù)據(jù)存儲(chǔ)和處理等相關(guān)應(yīng)用的讀者閱讀參考。

作者簡(jiǎn)介:　　Andrew Collette，擁有UCLA的物理學(xué)博士，目前是科羅拉多大學(xué)的實(shí)驗(yàn)室研究科學(xué)家，并且他獲得了UCLA的物理學(xué)博士學(xué)位。他已經(jīng)在兩臺(tái)幾百萬美元的研究設(shè)備上用Python-NumPy-HDF5進(jìn)行過科學(xué)分析。他是HDF5 for Python（h5py）項(xiàng)目的開發(fā)領(lǐng)袖。

目錄:1章 簡(jiǎn)介 1
1．1 Python和HDF5 2
1．1．1 數(shù)據(jù)和元數(shù)據(jù)的組織 2
1．1．2 大數(shù)據(jù)復(fù)制 3
1．2 HDF5到底是什么 4
1．2．1 HDF5文件規(guī)格 5
1．2．2 HDF5標(biāo)準(zhǔn)庫 6
1．2．3 HDF5生態(tài)系統(tǒng) 6
第2章 開始使用 7
2．1 HDF基本原理 7
2．2 設(shè)置 8
2．2．1 Python2還是Python3 8
2．2．2 代碼示例 9
2．2．3 NumPy 9
2．2．4 HDF5和h5py 11
2．2．5 IPython 11
2．2．6 時(shí)間和優(yōu)化 12
2．3 HDF5工具 13
2．3．1 HDFView 13
2．3．2 ViTables 14
2．3．3 命令行工具 15
2．4 你的第一個(gè)HDF5文件 16
2．4．1 使用環(huán)境管理器 17
2．4．2 文件驅(qū)動(dòng) 18
2．4．3 用戶塊 19
第3章 使用數(shù)據(jù)集 20
3．1 數(shù)據(jù)集基礎(chǔ) 20
3．1．1 類型和形狀 20
3．1．2 讀和寫 21
3．1．3 創(chuàng)建空數(shù)據(jù)集 22
3．1．4 顯式指定存儲(chǔ)類型來節(jié)省空間 22
3．1．5 自動(dòng)類型轉(zhuǎn)換和直讀 23
3．1．6 用astype讀 24
3．1．7 改變形狀 25
3．1．8 默認(rèn)填充值 25
3．2 讀寫數(shù)據(jù) 25
3．2．1 高效率切片 26
3．2．2 start-stop-step索引 27
3．2．3 多維切片和標(biāo)量切片 28
3．2．4 布爾索引 29
3．2．5 坐標(biāo)列表 30
3．2．6 自動(dòng)廣播 31
3．2．7 直讀入一個(gè)已存在的數(shù)組 32
3．2．8 數(shù)據(jù)類型注解 33
3．3 改變數(shù)據(jù)集的形狀 34
3．3．1 創(chuàng)建可變形數(shù)據(jù)集 35
3．3．2 用resize重新組織數(shù)據(jù) 36
3．3．3 何時(shí)以及如何進(jìn)行resize 37
第4章 讓分塊和壓縮來幫忙 38
4．1 連續(xù)存儲(chǔ) 38
4．2 分塊存儲(chǔ) 40
4．3 設(shè)置分塊形狀 41
4．3．1 自動(dòng)分塊 41
4．3．2 手動(dòng)選擇一個(gè)形狀 42
4．4 性能實(shí)例：可變形數(shù)據(jù)集 43
4．5 過濾器和壓縮 44
4．5．1 過濾器流水線 45
4．5．2 壓縮過濾器 45
4．5．3 GZIP/DEFLATE壓縮器 46
4．5．4 SZIP壓縮器 46
4．5．5 LZF壓縮器 47
4．5．6 性能 47
4．6 其他過濾器 48
4．6．1 SHUFFLE過濾器 48
4．6．2 FLETCHER32過濾器 49
4．7 第三方過濾器 50
第5章 組、鏈接和迭代：HDF5的層次性 51
5．1 根組和子組 51
5．2 組的基本原理 52
5．2．1 字典風(fēng)格的訪問 52
5．2．2 特殊屬性 53
5．3 使用鏈接 53
5．3．1 硬鏈接 53
5．3．2 剩余空間和重新打包 55
5．3．3 軟鏈接 55
5．3．4 外部鏈接 56
5．3．5 對(duì)象名字注解 58
5．3．6 用get決定對(duì)象類型 58
5．3．7 用require簡(jiǎn)化你的應(yīng)用程序 59
5．4 迭代和容器 60
5．4．1 組如何存儲(chǔ) 61
5．4．2 字典風(fēng)格的遍歷 61
5．4．3 測(cè)試存在性 62
5．5 用Visitor模式多級(jí)遍歷 63
5．5．1 以名字訪問 63
5．5．2 多個(gè)鏈接和visit 64
5．5．3 訪問對(duì)象 65
5．5．4 遍歷中止：一個(gè)簡(jiǎn)單的搜索策略 66
5．6 復(fù)制對(duì)象 66
5．7 對(duì)象比較和哈希 67
第6章 用特征存儲(chǔ)元數(shù)據(jù) 69
6．1 特征基本原理 69
6．1．1 類型猜測(cè) 70
6．1．2 字符串和文件匹配 72
6．1．3 Python對(duì)象 73
6．1．4 顯式指定類型 74
6．2 真實(shí)世界的例子：粒子加速數(shù)據(jù)庫 76
6．2．1 基于HDF5的應(yīng)用格式 76
6．2．2 數(shù)據(jù)分析 77

第7章 更多關(guān)于類型 79
7．1 HDF5類型系統(tǒng) 79
7．2 整型和浮點(diǎn) 80
7．3 定長(zhǎng)字符串 81
7．4 變長(zhǎng)字符串 81
7．4．1 變長(zhǎng)字符串的數(shù)據(jù)類型 82
7．4．2 變長(zhǎng)字符串?dāng)?shù)據(jù)集的使用 83
7．4．3 字節(jié)字符串和Unicode字符串 83
7．4．4 使用Unicode字符串 84
7．4．5 不要在字符串中保存二進(jìn)制數(shù)據(jù) 85
7．4．6 確保你Python 2程序的未來 85
7．5 復(fù)合類型 85
7．6 復(fù)數(shù)類型 87
7．7 枚舉類型 87
7．8 布爾類型 88
7．9 數(shù)組類型 89
7．10 不透明類型 90
7．11 日期和時(shí)間 91
第8章 通過引用、類型和維度標(biāo)尺來組織數(shù)據(jù) 92
8．1 對(duì)象引用 92
8．1．1 創(chuàng)建和解引用 92
8．1．2 引用是一種“永不失效”的鏈接 93
8．1．3 引用是一種數(shù)據(jù) 94
8．2 區(qū)域引用 95
8．2．1 創(chuàng)建和讀取區(qū)域引用 95
8．2．2 復(fù)雜索引 96
8．2．3 用區(qū)域引用獲得數(shù)據(jù)集 96
8．3 命名類型 97
8．3．1 數(shù)據(jù)類型對(duì)象 97
8．3．2 鏈接命名類型 98
8．3．3 管理命名類型 98
8．4 維度標(biāo)尺 98
8．4．1 創(chuàng)建維度標(biāo)尺 99
8．4．2 在數(shù)據(jù)集上添加標(biāo)尺 100

第9章 HDF5并發(fā)性：多線程和多進(jìn)程 102
9．1 Python并發(fā)的基本概念 102
9．2 多線程 103
9．3 多進(jìn)程 105
9．4 MPI和并發(fā)HDF5 108
9．4．1 一個(gè)非?？焖俚腗PI介紹 108
9．4．2 基于MPI的HDF5程序 109
9．4．3 集體操作和獨(dú)立操作 110
9．4．4 原子操作模式 111
第10章 下一步 114
10．1 尋求幫助 114
10．2 做出貢獻(xiàn) 115