下面是一个示例代码，展示了如何在不使用HDF5压缩过滤器的情况下压缩HDF5文件：

import h5py

# 创建一个空的HDF5文件
file = h5py.File('compressed_data.h5', 'w')

# 创建一个50x50的随机数据集
data = np.random.rand(50, 50)

# 创建一个压缩选项
compression_opts = {'compression': None}  # 设置为None表示不使用压缩过滤器

# 创建一个数据集，并将数据写入其中
dataset = file.create_dataset('data', data.shape, data=data, **compression_opts)

# 读取数据集
print('读取数据集：')
print(dataset[:])

# 关闭文件
file.close()

在上面的代码示例中，我们使用h5py库创建了一个HDF5文件，并生成了一个随机数据集。然后，我们通过将compression选项设置为None来创建了一个压缩选项，这意味着不使用HDF5的压缩过滤器。最后，我们将数据写入数据集，并读取验证数据是否正确。

请注意，HDF5压缩过滤器可以提供更高的压缩比，但可能会牺牲一定的读写性能。因此，根据应用程序的需求，您可以选择是否使用压缩过滤器来平衡压缩比和性能。