Question

某些数据需要将一堆相关的值捆绑在一起成为一个单一元素。经典的例子是C语言的结构体：多个数据被组织在一起，又可以被单独访问。另一个例子是具有多个列名的SQL数据库的表或CSV文件。每个数据元素（行）包含了多个相关的数据（列值）。

NumPy通过结构化数组支持这一功能，有点类似（但不完全等同于）recarray类。这些数组的dtype包含一系列的成员，每个成员都有一个名字和它自己的sub-dtype。假设我们需要保存来自某个天气观测装置的100个数据元素，每个元素包含温度、气压和风速：

NumPy支持你以成员的名字（如“temp”）作为索引访问结构化数组的成员，在本例会返回一个形状为(100,)的浮点数组：

当你访问单个元素时，你会得到一个对象，它支持字典风格的访问，并且以成员名为关键字：

HDF5比上面介绍的更灵活。让我们用同样的dtype在文件中创建一个数据集：

对数据集切片时不限制你使用成员名的数量。我们可以同时访问“temp”和“pressure”成员：

我们甚至可以混用成员名和索引，比如为了获取最后10个温度数据：

整个过程十分高效。HDF5仅从磁盘上读取你指定的成员。同样，你也可以选择只“更新”你希望的成员。如果我们需要设置所有的温度，我们可以将新值写入out并写回文件：

HDF5只更新了每条记录的“temp”成员。所以如果你只需要修改数据集中温度或气压的部分，那么你就只占用了三分之一的内存。