我将数据存储在HDF5文件中的大型4-D阵列中。每个文件的尺寸是（时间，x，y，z）。我想加载时间列的一个子集，其中包含x，y，z值的一些，以获得2D（T，位置）矩阵。我有一个3D逻辑掩码，用于我想要加载的所有x，y，z位置。我的问题是：我最好将我存储的数据重新格式化为2D吗？
我认为答案很容易“是”，因为hdf5屏蔽语法允许您将逻辑数组用作单个维度但不是多个维度的掩码。代码示例：
MyTestScript.py
import h5py
import numpy as np
# Shape of 'data' variable in h is (900,50,150,150)
sz = (50,150,150)
h = h5py.File('DataStore.hf5')
# Keep 1000 random values
mask = np.hstack((ones(1000),zeros(prod(sz)-1000)))
np.random.shuffle(mask)
mask = mask.reshape(sz)
# 4D array:
masked_data = h['data'].value[:,mask]
# if 'data' were a 2D array instead (900 x 1125000):
masked_data = h['data'][:,mask.flatten()]
根据我目前对h5py的理解，列出的第二个选项（如果'数据'是一个2D数组）看起来好像它应该加载得更快，因为它永远不会加载整个数组。在类似于上面的代码的首次通过测试中，它确实快得多（大约快10倍 - 我在实际脚本中进行了时序检查）。
但是，在第一次运行代码之后，时差几乎完全消失了。现在两个版本的加载速度要快得多，好像hdf5文件（或代码的解释器？）以某种方式缓存了完全加载的数据。我不知道它是怎么做的，因为我每次都在不同的python会话中进行它（python MyTestScript.py）。
发生了什么事？加速的来源是什么？我什么时候能指望它发生？
感谢任何见解。