MATLAB Language
Läser stora filer

Textscan

Antag att du har formaterat data i en stor textfil eller sträng, t.ex.

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 kan använda textscan att läsa detta ganska snabbt. För att göra det, få en filidentifiering av textfilen med fopen :

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

Antag för uppgifterna i det här exemplet, vi vill ignorera den första kolumnen "Data", läsa datum och tid som strängar och läsa resten av kolumnerna som dubblar, dvs.

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

För att göra detta, ring:

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

Stjärnan i %*s betyder "ignorera den här kolumnen". %s betyder "tolka som en sträng". %f betyder "tolka som dubblar (flyter)". Slutligen säger 'Delimiter',',' att alla komma bör tolkas som avgränsaren mellan varje kolumn.

För att sammanfatta:

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

data innehåller nu en celluppsättning med varje kolumn i en cell.

Datum- och tidsträngar till numeriska array snabbt

Konvertering av datum- och tidssträngar till numeriska arrayer kan göras med datenum , men det kan ta så mycket som halva tiden för att läsa en stor datafil.

Tänk på uppgifterna i exempel Textscan . Genom att återigen använda textskanna och tolka datum och tid som heltal kan de snabbt konverteras till en numerisk grupp.

Dvs en rad i exempeldata skulle tolkas som:

 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

som kommer att läsas som:

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

Nu:

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

Att använda datenum på 566 678 element krävde 6,626570 sekunder, medan metoden ovan krävde 0,048334 sekunder, dvs. 0,73% av tiden för datenum eller ~ 137 gånger snabbare.