MATLAB Language
Leyendo archivos grandes

textoscan

Suponga que ha formateado datos en un archivo de texto grande o una cadena, por ejemplo

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

Uno puede usar textscan para leer esto bastante rápido. Para hacerlo, obtenga un identificador de archivo de texto con fopen :

fid = fopen('path/to/myfile');

Supongamos que para los datos de este ejemplo, queremos ignorar la primera columna "Datos", leer la fecha y la hora como cadenas y leer el resto de las columnas como dobles, es decir

 Data  ,  2015-09-16  , 15:41:52;801  , 800.000000  , 1.5123  ,  0.0043
ignore      string         string         double      double     double

Para hacer esto, llama:

data = textscan(fid,'%*s %s %s %f %f %f','Delimiter',',');

El asterisco en %*s significa "ignorar esta columna". %s significa "interpretar como una cadena". %f significa "interpretar como dobles (flotadores)". Finalmente, 'Delimiter',',' establece que todas las comas deben interpretarse como el delimitador entre cada columna.

Para resumir:

fid = fopen('path/to/myfile');
data = textscan(fid,'%*s %s %s %f %f %f','Delimiter',',');

data ahora contienen una matriz de celdas con cada columna en una celda.

Cadenas de fecha y hora para matriz numérica rápido

La conversión de cadenas de fecha y hora en matrices numéricas se puede hacer con el datenum , aunque puede llevar la mitad del tiempo de lectura de un archivo de datos de gran tamaño.

Considere los datos en el ejemplo Textscan . De nuevo, al usar los textos, se puede interpretar la fecha y la hora como números enteros, se pueden convertir rápidamente en una matriz numérica.

Es decir, una línea en los datos de ejemplo se interpretaría como:

 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

que se leerá como:

fid = fopen('path/to/myfile');
data = textscan(fid,'%*s %f %f %f %f %f %f %f %f %f %f','Delimiter',',-:;');
fclose(fid);

Ahora:

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

El uso del datenum en 566,678 elementos requirió 6,626570 segundos, mientras que el método anterior requirió 0,048334 segundos, es decir, el 0,73% del tiempo para el datenum o ~ 137 veces más rápido.