arrays - 如何将 numpy 数组转换为 Zarr 数组

Question

假设我将一个简单的列数据框转换为一个 numpy 数组:

gdf.head()
>>>

     rid    rast
0      1    01000001000761C3ECF420013F0761C3ECF42001BF7172...
1      2    01000001000761C3ECF420013F0761C3ECF42001BF64BF...
2      3    01000001000761C3ECF420013F0761C3ECF42001BF560C...
3      4    01000001000761C3ECF420013F0761C3ECF42001BF7F25...
4      5    01000001000761C3ECF420013F0761C3ECF42001BF7172...

raster_np = gdf.to_numpy()
raster_np[0][0]
>>> array([1, '01000001000761C3E.........], dtype=object))   

我的任务是将 numpy 数组转换为 Zarr 文件格式(因为 rast 值的大小和数据帧的大小、分块和压缩可能是必要的，新的 .zarr 文件可以在 S3/云存储环境中得到更好的利用，我假设)。我创建了一个简单的 Zarr 数组，如下所示:

 z_test = z.zeros(shape=(10000, 2), chunks=(10000, 2))
 z_test
 >>> <zarr.core.Array (10000, 2) float64>

现在，如何将 raster_np 中的数据放入 z_test 并保留 Zarr 属性？简单地使用 z_test = raster_np 显然是行不通的。也许我对 Zarr 有什么误解。有什么建议吗？

Answer 1

由于您的初始数组是混合类型(对象)，您需要使用正确的数据类型创建 zarr 数组，并对数据进行编码。您可以使用 numcodecs 中的 JSON 编码器

import numcodecs

z_test = zarr.zeros(shape=(10000, 2), dtype=object, object_codec=numcodecs.JSON())
z_test[:] = raster_np

但是，如果您存储 rid，您将获得更好的性能和 raster列作为单独的数组，带有 int和 str数据类型，或将十六进制转换为另一个基础。