在我的例子中，輸出文件 (earray.h5) 的大小很大。有沒(méi)有辦法附加數(shù)據(jù)，使輸出文件不那么大？例如，在我的例子中（見(jiàn)下面的鏈接）一個(gè) 13GB 的輸入文件（dset_1：2.1E8 x 4 和 dset_2：2.1E8 x 4）給出了一個(gè)只有一列（2.5E10 x 1）的 197 GB 輸出文件。所有元素都是 float64。我想減小輸出文件的大小，這樣腳本的執(zhí)行速度就不會(huì)受到影響，并且輸出文件的讀取也可以高效地供以后使用。沿著列而不只是行保存數(shù)據(jù)有幫助嗎？對(duì)此有什么建議嗎？下面給出的是一個(gè) MWE。# no. of chunks from dset-1 and dset-2 in inp.h5loop_1 = 40loop_2 = 20?# save to disk after these many rowsapp_len = 10**6?# **********************************************#? ? ? ?Grabbing input.h5 file# **********************************************filename = 'inp.h5'f2 = h5py.File(filename, 'r')chunks1 = f2['dset_1']chunks2 = f2['dset_2']shape1, shape2 = chunks1.shape[0], chunks2.shape[0]f1 = tables.open_file("table.h5", "w")a = f1.create_earray(f1.root, "dataset_1", atom=tables.Float64Atom(), shape=(0, 4))size1 = shape1//loop_1size2 = shape2//loop_2# ***************************************************#? ? ? ?Grabbing chunks to process and append data# ***************************************************for c in range(loop_1):? ? h = c*size1? ? # grab chunks from dset_1 of inp.h5??? ? chunk1 = chunks1[h:(h + size1)]? ? for d in range(loop_2):? ? ? ? g = d*size2? ? ? ? chunk2 = chunks2[g:(g + size2)] # grab chunks from dset_2 of inp.h5?? ? ? ? r1 = chunk1.shape[0]? ? ? ? r2 = chunk2.shape[0]? ? ? ? left, right = 0, 0? ? ? ? for j in range(r1):? # grab col.2 values from dataset-1? ? ? ? ? ? e1 = chunk1[j, 1]? ? ? ? ? ? #...Algaebraic operations here to output a row containing 4 float64? ? ? ? ? ? #...append to a (earray) when no. of rows reach a million? ? ? ? del chunk2? ? del chunk1f2.close()