Matlab：如何读取以逗号作为小数分隔符的数字？

Question

我有很多（数十万）相当大（>0.5MB）的文件，其中数据是数字，但以逗号作为小数分隔符。 对于我来说使用 sed "s/,/./g" 这样的外部工具是不切实际的。 当分隔符是点时，我只使用 textscan(fid, '%f%f%f')，但我看不到更改小数点分隔符的选项。 如何有效地读取这样的文件？

文件中的示例行：

5,040000    18,040000   -0,030000

注意：有一个 R 的类似问题，但我使用 Matlab。

Answer 1

通过测试脚本，我发现系数小于 1.5。我的代码如下所示：

tmco = {'NumHeaderLines', 1      , ...
        'NumColumns'    , 5      , ...
        'ConvString'    , '%f'   , ...
        'InfoLevel'     , 0      , ...
        'ReadMode'      , 'block', ...
        'ReplaceChar'   , {',.'} } ;

A = txt2mat(filename, tmco{:});

请注意不同的“ReplaceChar”值和“ReadMode”“块”。

我在我的（不是太新）机器上得到了约 5MB 文件的以下结果：

• txt2mat test comma avg。时间：0.63231
• txt2mat 测试点平均值。时间：0.45715
• textscan 测试点平均值。时间：0.4787

我的测试脚本的完整代码：

%% generate sample files

fdot = 'C:\temp\cDot.txt';
fcom = 'C:\temp\cCom.txt';

c = 5;       % # columns
r = 100000;  % # rows
test = round(1e8*rand(r,c))/1e6;
tdot = sprintf([repmat('%f ', 1,c), '\r\n'], test.'); % '
tdot = ['a header line', char([13,10]), tdot];

tcom = strrep(tdot,'.',',');

% write dot file
fid = fopen(fdot,'w');
fprintf(fid, '%s', tdot);
fclose(fid);
% write comma file
fid = fopen(fcom,'w');
fprintf(fid, '%s', tcom);
fclose(fid);

disp('-----')

%% read back sample files with txt2mat and textscan

% txt2mat-options with comma decimal sep.
tmco = {'NumHeaderLines', 1      , ...
        'NumColumns'    , 5      , ...
        'ConvString'    , '%f'   , ...
        'InfoLevel'     , 0      , ...
        'ReadMode'      , 'block', ...
        'ReplaceChar'   , {',.'} } ;

% txt2mat-options with dot decimal sep.
tmdo = {'NumHeaderLines', 1      , ...
        'NumColumns'    , 5      , ...
        'ConvString'    , '%f'   , ...
        'InfoLevel'     , 0      , ...
        'ReadMode'      , 'block'} ;

% textscan-options
tsco = {'HeaderLines'   , 1      , ...
        'CollectOutput' , true   } ;


A = txt2mat(fcom, tmco{:});
B = txt2mat(fdot, tmdo{:});

fid = fopen(fdot);
C = textscan(fid, repmat('%f',1,c) , tsco{:} );
fclose(fid);
C = C{1};

disp(['txt2mat  test comma (1=Ok): ' num2str(isequal(A,test)) ])
disp(['txt2mat  test dot   (1=Ok): ' num2str(isequal(B,test)) ])
disp(['textscan test dot   (1=Ok): ' num2str(isequal(C,test)) ])
disp('-----')

%% speed test

numTest = 20;

% A) txt2mat with comma
tic
for k = 1:numTest
    A = txt2mat(fcom, tmco{:});
    clear A
end
ttmc = toc;
disp(['txt2mat  test comma avg. time: ' num2str(ttmc/numTest) ])

% B) txt2mat with dot
tic
for k = 1:numTest
    B = txt2mat(fdot, tmdo{:});
    clear B
end
ttmd = toc;
disp(['txt2mat  test dot   avg. time: ' num2str(ttmd/numTest) ])

% C) textscan with dot
tic
for k = 1:numTest
    fid = fopen(fdot);
    C = textscan(fid, repmat('%f',1,c) , tsco{:} );
    fclose(fid);
    C = C{1};
    clear C
end
ttsc = toc;
disp(['textscan test dot   avg. time: ' num2str(ttsc/numTest) ])
disp('-----')

Answer 2

我的解决方案（假设逗号仅用作小数占位符，并且空格界定列）：

fid = fopen("FILENAME");
indat = fread(fid, '*char');
fclose(fid);
indat = strrep(indat, ',', '.');
[colA, colB] = strread(indat, '%f %f');

如果您碰巧需要删除单个标题行，就像我所做的那样，那么这应该有效：

fid = fopen("FILENAME");                  %Open file
indat = fread(fid, '*char');              %Read in the entire file as characters
fclose(fid);                              %Close file
indat = strrep(indat, ',', '.');          %Replace commas with periods
endheader=strfind(indat,13);              %Find first newline
indat=indat(endheader+1:size(indat,2));   %Extract all characters after first new line
[colA, colB] = strread(indat, '%f %f');   %Convert string to numerical data

Answer 3

您可以使用txt2mat。

A = txt2mat('data.txt');

它将自动处理数据。但你可以明确地说：

A = txt2mat('data.txt','ReplaceChar',',.');

PS 它可能效率不高，但如果你只需要特定的数据格式，你可以从源文件中复制该部分。

Answer 4

您可以尝试通过添加标题行数以及（如果可能）列数作为输入来绕过其文件分析来加速 txt2mat。与使用点分隔小数的 textscan 导入相比，因子不应为 25。 （您也可以使用 mathworks 网站上的作者页面与我联系。）
如果您找到在 matlab 中处理逗号分隔小数的更有效方法，请告诉我们。