MATLAB Language
Leyendo archivos grandes
Buscar..
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.