MATLAB Language
Große Dateien lesen
Suche…
Textscan
Angenommen, Sie haben formatierte Daten in einer großen Textdatei oder Zeichenfolge, z
Data,2015-09-16,15:41:52;781,780.000000,0.0034,2.2345
Data,2015-09-16,15:41:52;791,790.000000,0.1255,96.5948
Data,2015-09-16,15:41:52;801,800.000000,1.5123,0.0043
man kann mit textscan
das ziemlich schnell lesen. fopen
sich dazu eine fopen
der Textdatei mit fopen
:
fid = fopen('path/to/myfile');
Angenommen, für die Daten in diesem Beispiel möchten wir die erste Spalte "Daten" ignorieren, Datum und Uhrzeit als Zeichenfolgen lesen und die restlichen Spalten als Doubles lesen, dh
Data , 2015-09-16 , 15:41:52;801 , 800.000000 , 1.5123 , 0.0043
ignore string string double double double
Rufen Sie dazu an:
data = textscan(fid,'%*s %s %s %f %f %f','Delimiter',',');
Das Sternchen in %*s
bedeutet "diese Spalte ignorieren". %s
bedeutet "als String interpretieren". %f
bedeutet "als Doppelte interpretieren (Floats)". 'Delimiter',','
gibt schließlich an, dass alle Kommas als Trennzeichen zwischen den einzelnen Spalten interpretiert werden sollten.
Um zusammenzufassen:
fid = fopen('path/to/myfile');
data = textscan(fid,'%*s %s %s %f %f %f','Delimiter',',');
data
enthält jetzt ein Zellenfeld mit jeder Spalte in einer Zelle.
Datums- und Zeitzeichenfolgen in numerischen Feldern schnell
Das Konvertieren von Datums- und Zeitzeichenfolgen in numerische Arrays kann mit datenum
Lesen einer großen datenum
kann jedoch nur die Hälfte der Zeit in datenum
nehmen.
Beachten Sie die Daten im Beispiel Textscan . Indem Sie mit Texten Datum und Uhrzeit als ganze Zahlen interpretieren, können sie schnell in ein numerisches Array umgewandelt werden.
Dh eine Zeile in den Beispieldaten würde interpretiert als:
Data , 2015 - 09 - 16 , 15 : 41 : 52 ; 801 , 800.000000 , 1.5123 , 0.0043
ignore double double double double double double double double double double
was gelesen wird als:
fid = fopen('path/to/myfile');
data = textscan(fid,'%*s %f %f %f %f %f %f %f %f %f %f','Delimiter',',-:;');
fclose(fid);
Jetzt:
y = data{1}; % year
m = data{2}; % month
d = data{3}; % day
H = data{4}; % hours
M = data{5}; % minutes
S = data{6}; % seconds
F = data{7}; % milliseconds
% Translation from month to days
ms = [0,31, 59, 90, 120, 151, 181, 212, 243, 273, 304, 334];
n = length(y); % Number of elements
Time = zeros(n,1); % Declare numeric time array
% Algorithm for calculating numeric time array
for k = 1:n
Time(k) = y(k)*365 + ms(m(k)) + d(k) + floor(y(k)/4)...
- floor(y(k)/100) + floor(y(k)/400) + (mod(y(k),4)~=0)...
- (mod(y(k),100)~=0) + (mod(y(k),400)~=0)...
+ (H(k)*3600 + M(k)*60 + S(k) + F(k)/1000)/86400 + 1;
end
Die Verwendung von datenum
auf 566.678 Elementen erforderte 6.626570 Sekunden, während die obige Methode 0,048334 Sekunden benötigte, dh 0,73% der Zeit für datenum
oder ~ 137-mal schneller.