从文件加载矩阵

Question

我需要读取包含矩阵数据的文件并在程序中创建矩阵。矩阵文件格式看起来与此类似：

#  Matrix made by matblas from blosum62.iij
#  * column uses minimum score
#  BLOSUM Clustered Scoring Matrix in 1/2 Bit Units
#  Blocks Database = /data/blocks_5.0/blocks.dat
#  Cluster Percentage: >= 62
#  Entropy =   0.6979, Expected =  -0.5209
   A  R  N  D  C  Q  E  G  H  I  L  K  M  F  P  S  T  W  Y  V  B  Z  X  *
A  4 -1 -2 -2  0 -1 -1  0 -2 -1 -1 -1 -1 -2 -1  1  0 -3 -2  0 -2 -1  0 -4 
R -1  5  0 -2 -3  1  0 -2  0 -3 -2  2 -1 -3 -2 -1 -1 -3 -2 -3 -1  0 -1 -4 
N -2  0  6  1 -3  0  0  0  1 -3 -3  0 -2 -3 -2  1  0 -4 -2 -3  3  0 -1 -4 
D -2 -2  1  6 -3  0  2 -1 -1 -3 -4 -1 -3 -3 -1  0 -1 -4 -3 -3  4  1 -1 -4 
C  0 -3 -3 -3  9 -3 -4 -3 -3 -1 -1 -3 -1 -2 -3 -1 -1 -2 -2 -1 -3 -3 -2 -4 
Q -1  1  0  0 -3  5  2 -2  0 -3 -2  1  0 -3 -1  0 -1 -2 -1 -2  0  3 -1 -4 
E -1  0  0  2 -4  2  5 -2  0 -3 -3  1 -2 -3 -1  0 -1 -3 -2 -2  1  4 -1 -4 
G  0 -2  0 -1 -3 -2 -2  6 -2 -4 -4 -2 -3 -3 -2  0 -2 -2 -3 -3 -1 -2 -1 -4 
H -2  0  1 -1 -3  0  0 -2  8 -3 -3 -1 -2 -1 -2 -1 -2 -2  2 -3  0  0 -1 -4 
I -1 -3 -3 -3 -1 -3 -3 -4 -3  4  2 -3  1  0 -3 -2 -1 -3 -1  3 -3 -3 -1 -4 
L -1 -2 -3 -4 -1 -2 -3 -4 -3  2  4 -2  2  0 -3 -2 -1 -2 -1  1 -4 -3 -1 -4 
K -1  2  0 -1 -3  1  1 -2 -1 -3 -2  5 -1 -3 -1  0 -1 -3 -2 -2  0  1 -1 -4 
M -1 -1 -2 -3 -1  0 -2 -3 -2  1  2 -1  5  0 -2 -1 -1 -1 -1  1 -3 -1 -1 -4 
F -2 -3 -3 -3 -2 -3 -3 -3 -1  0  0 -3  0  6 -4 -2 -2  1  3 -1 -3 -3 -1 -4 
P -1 -2 -2 -1 -3 -1 -1 -2 -2 -3 -3 -1 -2 -4  7 -1 -1 -4 -3 -2 -2 -1 -2 -4 
S  1 -1  1  0 -1  0  0  0 -1 -2 -2  0 -1 -2 -1  4  1 -3 -2 -2  0  0  0 -4 
T  0 -1  0 -1 -1 -1 -1 -2 -2 -1 -1 -1 -1 -2 -1  1  5 -2 -2  0 -1 -1  0 -4 
W -3 -3 -4 -4 -2 -2 -3 -2 -2 -3 -2 -3 -1  1 -4 -3 -2 11  2 -3 -4 -3 -2 -4 
Y -2 -2 -2 -3 -2 -1 -2 -3  2 -1 -1 -2 -1  3 -3 -2 -2  2  7 -1 -3 -2 -1 -4 
V  0 -3 -3 -3 -1 -2 -2 -3 -3  3  1 -2  1 -1 -2 -2  0 -3 -1  4 -3 -2 -1 -4 
B -2 -1  3  4 -3  0  1 -1  0 -3 -4  0 -3 -3 -2  0 -1 -4 -3 -3  4  1 -1 -4 
Z -1  0  0  1 -3  3  4 -2  0 -3 -3  1 -1 -3 -1  0 -1 -3 -2 -2  1  4 -1 -4 
X  0 -1 -1 -1 -2 -1 -1 -1 -1 -1 -1 -1 -1 -1 -2  0  0 -2 -1 -1 -1 -1 -1 -4 
* -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4  1 

字母具有恒定的位置，因此由于我只对其中四个感兴趣，所以我可以在程序中分配 x 和 y 。我需要的只是一个包含值的矩阵，我可以通过给出函数“GetValue”“x”和“y”来搜索值。

这是我的代码。它只是头文件中定义的类的一部分，其中包含并通过矩阵搜索值。也许这不是优雅的方式，但我没有那么多时间，所以现在我想快速完成。稍后我会有更多时间，所以我会以更好的方式完成它。

/*
 * algorytm.cpp
 * implementacja algorytmu
 *
 * Autor: Mateusz
 *
 */

#include <cstdlib>
#include <iostream>
#include <string>
#include <stdio.h>
#include <fstream>
#include <vector>
#include "matryca_sub.h"
#include <sstream>
#include <istream>
#include <sstream>

using namespace std;

int ScoreMatrix::MainMatrix(char *mat_file, int x, int y)
{
    cout << "Main matrix function start" << endl;
    CreateMatrix(30);
    ReadMatrix(mat_file);
    int val;
    val=GetValue(x, y);
    return val;
    cout << "Main matrix function end" << endl;
}

void ScoreMatrix::CreateMatrix(int edge)
{
    cout << "Creating sub matrix start" << endl;
   //int** scores = new int* [*edge-1];
   //for (int i=0; i<=23; i++) scores[i] = new int[*edge-1];
   if( scores != 0 ) delete [] scores;
   scores =  new int [edge*edge];
   cols = edge;
   cout << "Sub matrix created" << endl;
}

void ScoreMatrix::SetValue(int x, int y, int val)
{
    cout << "write to sub matrix start" << endl;
    //scores[x][y] = val;
    scores[(cols* y) + x] = val;
    cout << "write to sub matrix end" << endl;
}

int ScoreMatrix::GetValue(int x, int y)
{
    //cout << "GetValue start" << endl;
    //return scores[x][y];
    return scores[(cols * x) + y];
    cout << "GetValue end" << endl;
}

void ScoreMatrix::ReadMatrix(char *mat_file)
{
    cout << "start reading matrix from file" << endl;
    int row=0;
    ifstream mfile;
    mfile.open(mat_file);
    mfile.precision(2);
    mfile.setf(ios::fixed, ios::showpoint);
    while(!mfile.eof())
    {
        for (row=0; row<=23; row++)
        {
        string line;
        getline( mfile, line);
        istringstream iss(line);

        if (line[0] !='#' && line[0] != ' ')
        {
            int s;
            iss >> s;
            for (int i=1; !iss.eof(); i++)
            {
                iss >> s;
                SetValue(i, row, s);
            }

        }
        }
    }
    cout << "end reading matrix from file" << endl;
}

包含头文件：

/*
 * File:   mat_sub.h
 * Author: mateusz
 *
 * Created on 6 luty 2011, 14:44
 */

#ifndef MAT_SUB_H
#define MAT_SUB_H
#include <cstdlib>
#include <iostream>
#include <string>
#include <stdio.h>
#include <stdlib.h>
#include <fstream>
#include <vector>
#include <algorithm>
#include <string.h>

using namespace std;

class ScoreMatrix
{
public:
    ScoreMatrix():
    cols (0)
    ,scores (0)
    {}

    char mat_file;
    int MainMatrix(char *mat_file, int x, int y);
    int GetValue(int x, int y);

private:
    int cols, rows;
    int* scores;

    void CreateMatrix(int edge);
    void SetValue(int x, int y, int val);
    void ReadMatrix(char *mat_file);
};



#endif  /* MAT_SUB_H */

在seagfoult函数打印许多开始从文件中读取矩阵之一之前。

Answer 1

天哪。如果我听起来很刺耳，希望您能原谅我，但是这段代码有很多问题，从基本设计一直到细节，例如您使用的循环从文件中读取数据。

首先，在我看来，您的“矩阵”类需要应用适量的“单一责任”。我会将其简化为二维矩阵，仅此而已。

其次，我会摆脱自己处理内存管理的麻烦。您真正需要的只是一个 std::vector，以及足够的前端来提供 2D 寻址。

第三，我会摆脱“getValue”/“setValue”，并使用下标，就像自 20 世纪 50 年代科学程序员从汇编语言转换为 Fortran 以来每一个精心设计的矩阵一样。

考虑到这些，我们得到一个简化的矩阵类，如下所示：

template <class T>
class matrix { 
    std::vector<T> data;
    size_t cols;
public:
    matrix(int x, int y) : cols(x), data(x*y) {}
    T &operator()(int x, int y) { 
         return data[cols * y + x];
    }
};

请注意，为简单起见，当您为其添加下标时，您大致像在 Fortran 或 BASIC 中一样使用 ()，而不是使用 < code>[] 就像您通常在 C 或 C++ 中所做的那样。您可以支持后者，但需要更多（而且更难看）

函数中，这样我就摆脱了所有的 while (!whatever.eof()) 。，因为从技术上讲，这些几乎肯定会不正确地工作，

template <class T>
void read_matrix(std::string const &filename, matrix<T> &m) { 
    std::ifstream infile(filename);
    std::string line;
    int x = 0, y=0;

    while (std::getline(infile, line)) {
        if (line[0] == '#' || line[0] == ' ')
            continue;

        int value;
        std::istringinstream converter(&line[1]); // &line[1] to skip leading letter
        while (converter >> value)
            m(x++, y) = value;
        ++y;
    }            
}

&line[1] 不能保证可以在 C++03 上工作，但 C++11 确实可以保证它。 ，主要是因为它适用于所有已知的实现。

Answer 2

这：

scores = new int[[*edge] [*edge]];

不是有效的 C++ 语法。你的意思是这个吗？：

scores = new int[*edge * *edge];

同样，当你尝试访问 scores 的元素时，你应该这样做：

scores[(cols * y) + x] = val;

顺便说一句，通过指针将 int 传递给函数是没有意义的如果您不打算修改原始值。我会将 CreateMatrix() 重写为：

void ScoreMatrix::CreateMatrix(int edge)
{
   scores =  new int[edge*edge];
   cols = edge;
}

Answer 3

（如果你的代码不起作用）读取此（且仅此）格式的AC代码：

int base2num(char b)
// just a numbering scheme for the input characters. This indexing will be used
// in the matrix into which it is read
{
    switch (b) 
    {
    case 'A': case 'a': return 0; break;
    case 'C': case 'c': return 1; break;
    case 'G': case 'g': return 2; break;
    case 'T': case 't': return 3; break;
    case 'P': case 'p': return 4; break;
    case 'V': case 'v': return 5; break;
    case 'L': case 'l': return 6; break;
    case 'I': case 'i': return 7; break;
    case 'M': case 'm': return 8; break;
    case 'F': case 'f': return 9; break;
    case 'Y': case 'y': return 10; break;
    case 'W': case 'w': return 11; break;
    case 'H': case 'h': return 12; break;
    case 'K': case 'k': return 13; break;
    case 'R': case 'r': return 14; break;
    case 'Q': case 'q': return 15; break;
    case 'N': case 'n': return 16; break;
    case 'E': case 'e': return 17; break;
    case 'D': case 'd': return 18; break;
    case 'S': case 's': return 19; break;
    default: return -1;
    }
}

void str2int(char *line, int i, int *mat, char *arr)
{
    int m,k;
    char * endptr;
    endptr=line+1;
    for (m=0;m<23;m++)
    {
        k=base2num(arr[m]);
        if (k==-1)
            continue;
        mat[i*20+k]=strtol(endptr,&endptr,0);


    }
 }
void parseinp(FILE *fp, int *mat)
{
    int i,j;
    char line[256];
    char arr[23];

    while (fgets(line,256,fp)!=NULL)
    {    
        if (line[0]=='#')
            continue;

        i=3;
        j=0;
        if (base2num(line[3])!=-1) 
            //assumption: the first character is
        //part of the 20 bases
        {
            while(line[i]!='*') 
             // this is the first line of the table,
            // that which contains  A R N D etc.
            // store the chars in arr
            {
                arr[j]=line[i];
                j++;
                i+=3;
            }   
            continue;
        }   
        i=base2num(line[0]);
        if (i<0) // not one of the 20 core bases
        {
            continue;
        }
        else
        {
          //  printf("%d\n",i);
            str2int(line,i,mat,arr);
        }
    }
}

int * get_blosum()
{
    FILE *fp;
    int  *mat;
    int n,m;

    mat=(double *) calloc(400, sizeof(double));
    fp =fopen("BLOSUM62","r");
    if (fp==NULL)
    {
        perror("failed to open protein matrix file!");
    }
    parseinp(fp, mat);

    fclose(fp);
    return mat;
}

Answer 4

您似乎错误地使用了 [] 语法。我认为您需要更改以下行：

scores =  new int[[*edge] [*edge]];
scores[cols *[y + x]] = val;
return *scores[cols *[x + y]];

注意

scores =  new int[(*edge) * (*edge)];
scores[cols * (y + x)] = val;
return *scores[cols * (x + y)];

使用括号 () 而不是 []。

Answer 5

要在其他人之前评估某些内容，请不要使用 [] 而是使用括号。它应该看起来像这样：

void ScoreMatrix::CreateMatrix(int *edge)
{
   scores =  new int[(*edge) * (*edge)];
   cols = *edge;
}

void ScoreMatrix::SetValue(int x, int y, int val)
{
    scores[cols * (y + x)] = val;
}

int ScoreMatrix::GetValue(int x, int y)
{
    return *scores[cols * (x + y)];
}