Question

我正在寻找一种有效的方法，将20GB大小的栅格数据文件（GeoTiff）输入PyTables，以便进一步核心计算。

目前我正在使用Gdal将其作为numpy数组读取，并将numpy数组写入 pytables使用以下代码：

import gdal, numpy as np, tables as tb

inraster = gdal.Open('infile.tif').ReadAsArray().astype(np.float32)
f = tb.openFile('myhdf.h5','w')
dataset = f.createCArray(f.root, 'mydata', atom=tb.Float32Atom(),shape=np.shape(inraster)
dataset[:] = inraster
dataset.flush()
dataset.close()
f.close()
inraster = None

不幸的是，由于我的输入文件非常大，在读取它时出现numpy错误，我的电脑显示内存错误。有没有其他方法可以将数据提供给PyTables或任何改进我的代码的建议？

Answer 1

我没有geotiff文件，所以我摆弄了一个普通的tif文件。如果数据到pytables文件，您可能必须省略形状中的3和写入中的切片。本质上，我循环遍历数组而不是一次性将所有内容都读入内存。您必须调整n_chunks，以便一次性读取的chunksize不会超过系统内存。

ds=gdal.Open('infile.tif')

x_total,y_total=ds.RasterXSize,ds.RasterYSize

n_chunks=100

f = tb.openFile('myhdf.h5','w')
dataset = f.createCArray(f.root, 'mydata', atom=tb.Float32Atom(),shape=(3,y_total,x_total)


#prepare the chunk indices
x_offsets=linspace(0,x_total,n_chunks).astype(int)
x_offsets=zip(x_offsets[:-1],x_offsets[1:])
y_offsets=linspace(0,y_total,n_chunks).astype(int)
y_offsets=zip(y_offsets[:-1],y_offsets[1:])

for x1,x2 in x_offsets:
    for y1,y2 in y_offsets:
        dataset[:,y1:y2,x1:x2]=ds.ReadAsArray(xoff=x1,yoff=y1,xsize=x2-x1, ysize=y2-y1)

将大型栅格数据输入PyTables的有效方法

1 个答案: