先用h5ls -r filename.h5快速查看完整树状结构，再用f.visititems(print_attrs)遍历所有对象及属性；避免f['key']直接访问导致keyerror，警惕幽灵数据集和隐式全量读取如dataset[:]。
直接读取整个 HDF5 文件到内存会崩，尤其是 TB 级数据；必须用 h5py 按需加载、跳过无关结构、避免隐式全量读取。
怎么快速看清 HDF5 文件里到底有什么？
别急着读数据，先探路。很多问题源于根本不知道路径和结构——比如想读 /data/temperature，结果实际在 /results/temp 或根本是嵌套在 group 里。
- 用命令行工具最快：
h5ls -r filename.h5（无需 Python，不加载数据，秒出完整树状结构） - Python 内检查：用
f.visititems(print_attrs)遍历所有对象并打印属性，比list(f.keys())更深一层 - 注意“幽灵数据集”：
list(f.keys())显示存在，但f['name']报KeyError，大概率是文件由旧版 HDF5 工具创建，h5py.__version__小于 3.0 时兼容性差
读取大数据集时，切片比 [...] 安全得多
dataset[:] 是最危险的默认操作——它强制把整个数据集拉进内存，哪怕你只想要第 10 行。而 HDF5 的设计本意就是支持局部访问。
- 连续子集：直接用 NumPy 风格切片，如
data[1000:2000, 5:50, :]，I/O 和内存开销极低 - 非连续索引：改用
data[np.array([10, 500, 9999])]，但注意这会触发多次小 I/O，不如先切块再过滤 - 绝对不要写
data[()]或data[...]——它们等价于全量读取，且语义模糊 - 如果不确定维度顺序，先查
dataset.shape和dataset.attrs.get('axis_order')，很多科研数据（如 NetCDF 转 HDF5）会把时间维放在最后，而非第一维
遇到字符串、枚举、复合类型怎么办？
HDF5 不是只存 float64 的容器。真实科研数据常含元数据字段：传感器 ID 是变长字符串，状态码是枚举，GPS 坐标是结构化数组——这些类型读出来不是直觉里的 Python 对象。
- 变长字符串：
dtype显示为|Sxx或object，用.astype('U')或逐个.decode('utf-8')（注意b'value'这种字节串） - 枚举类型：检查
dataset.dtype.kind == 'V'，然后用dataset.astype(dataset.dtype.metadata['enum'].__class__)或手动映射 - 结构化 dtype（如
np.dtype([('lat', 'f4'), ('lon', 'f4')])）：必须用字段名访问，data['lat']可以，data[:, 0]会报错 - 压缩过的数据集（
dataset.compression == 'gzip'）：解压由 h5py 自动完成，但首次访问有延迟，别误判为卡死
为什么 pandas.read_hdf() 有时读不出东西？
因为 pandas.read_hdf() 只认 Pandas 自己写的 HDF5（即用 to_hdf() 生成的），它依赖特定的内部格式（如 table 格式 + pandas 元数据）。科研 HDF5 几乎全是 fixed 格式或裸 dataset，pandas.read_hdf() 会静默失败或抛 KeyError。
- 正确做法：用
h5py读出numpy.ndarray或dict，再转pd.DataFrame - 例外情况：只有当你确认该 HDF5 是用
df.to_hdf('x.h5', 'key_name', format='table')写入的，才能用pd.read_hdf('x.h5', 'key_name') - 别依赖自动推断：
pandas.read_hdf()不会解析/meta/columns这类自定义路径，它只找自己埋的元数据
最易被忽略的一点：HDF5 的“延迟加载”是假象——只要对 dataset 对象做任何计算（比如 np.mean(dset)），h5py 就会触发一次完整读取。真要分析，先明确切片范围，再把结果转成 np.array 或 pd.Series，之后的操作就完全脱离文件句柄了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
