MATLAB Language
Lettura di file di grandi dimensioni

textSCAN

Supponi di avere dati formattati in un file di testo o una stringa di grandi dimensioni, ad es

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

si può usare textscan per leggerlo abbastanza velocemente. Per fare ciò, ottenere un identificatore di file del file di testo con fopen :

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

Supponiamo per i dati in questo esempio, vogliamo ignorare la prima colonna "Dati", leggere la data e l'ora come stringhe e leggere il resto delle colonne come doppi, cioè

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

Per fare questo, chiama:

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

L'asterisco in %*s significa "ignora questa colonna". %s significa "interpretare come una stringa". %f significa "interpretare come doppi (float)". Infine, 'Delimiter',',' indica che tutte le virgole devono essere interpretate come il delimitatore tra ogni colonna.

Per riassumere:

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

data ora contengono un array di celle con ogni colonna in una cella.

Le stringhe della data e dell'ora sull'array numerico sono veloci

La conversione di stringhe di data e ora in array numerici può essere eseguita con il datenum , anche se può richiedere fino alla metà del tempo di lettura di un file di dati di grandi dimensioni.

Considera i dati nell'esempio Textscan . Di nuovo, usando i testi e interpretando data e ora come numeri interi, essi possono essere rapidamente convertiti in un array numerico.

Cioè una riga nei dati di esempio sarebbe interpretata come:

 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

che sarà letto come:

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

Adesso:

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

Usando il datenum su 566.678 elementi richiesti 6,626570 secondi, mentre il metodo sopra richiesto 0,048334 secondi, ovvero lo 0,73% del tempo per il datenum o ~ 137 volte più veloce.