cdfread

从通用数据格式(CDF)文件读取数据

折叠所有页面

语法

数据= cdfread(文件名) Data = cdfread(filename,param1,val1,param2,val2，…) [data,info] = cdfread(文件名，…)

描述

数据= cdfread(文件名）从指定的通用数据格式(CDF)文件中读取所有数据文件名．指定文件名作为字符串标量或字符向量。CDF数据集通常包含一组特定数据类型的变量，每个变量都有一组相关的记录。变量可以表示时间值，每个记录表示记录观察的特定时间。cdfread返回单元格数组中的所有数据，其中每列表示一个变量，每行表示与某个变量关联的记录。如果变量有不同数量的关联记录，cdfread使用CDF文件中定义的填充值来填充行以创建矩形单元格数组。

请注意

因为cdfread创建临时文件，当前工作目录必须是可写的。

数据= cdfread(文件名，param1，val1，param2，val2,……)从文件读取数据，其中param1，param2，等等，可以是这个表中列出的任何参数。

[data,info] = cdfread(文件名,……)的CDF文件的详细信息信息结构。

参数	价值
`“记录”`	指定要读取哪些记录的向量。记录编号以零为基础。`cdfread`返回一个单元格数组，其行数与读取的记录数相同，列数与变量数相同。
`“变量”`	1 -n或n-by-1单元格数组，指定要从文件中读取的变量的名称。n必须小于或等于文件中变量的总数。`cdfread`返回一个单元格数组，其列数与读取的变量数相同，并且为每个读取的记录返回一行。
`“片”`	一个米-by-3数组，其中每行指定从何处开始读取变量的特定维度，在该维度上使用的跳过间隔(每个项，每个其他项，等等)，以及在该维度上读取的值的总数。米必须小于或等于变量的维数。如果米小于总维数，`cdfread`从未指定的维度(`[0 1n］`,在那里n维度中元素的总数。注意:因为`“片”`参数描述如何处理单个变量，它必须与`“变量”`参数。
`“ConvertEpochToDatenum”`	一个布尔值，用于确定是否`cdfread`自动转换CDF历元数据类型到MATLAB^®序列号。如果设置为`假`(默认),`cdfread`在MATLAB中包装epoch值`cdfepoch`对象。备注:读取大数据集时，为了获得更好的性能，可将该参数设置为`真正的`．注意:如果使用`“ConvertEpochToDatenum”`参数时，不能使用`“DatetimeType”`参数。
`“DatetimeType”`	的返回类型的字符串标量或字符向量`CDF_TIME_TT2000`而且`CDF_EPOCH`数据类型。如果设置为`“datetime”`(默认为`CDF_TIME_TT2000`)，`cdfread`以类型返回值`datetime`；如果设置为`“本地”`，`cdfread`返回`CDF_TIME_TT2000`作为类型的值`int64`而且`CDF_EPOCH`作为类型的值`双`．注意:如果使用`“DatetimeType”`参数时，不能使用`“ConvertEpochToDatenum”`参数。
`“CombineRecords”`	一个布尔值，决定如何操作`cdfread`返回从文件中读取的CDF数据集。如果设置为`假`(默认),`cdfread`对象中存储数据米——- - - - - -n单元格数组，其中米是记录的数量和n请求的变量数。如果设置为`真正的`，`cdfread`将特定变量的所有记录合并到输出单元格数组中的一个单元格中。在这个单元格中，`cdfread`将标量数据存储为列数组。`cdfread`扩展非标量和字符串数据的维数。例如，与其为每条记录创建1000个包含20 × 30数组的元素，`cdfread`将所有记录作为1000 × 20 × 30数组存储在一个单元格中。注意:如果使用`“记录”`参数来指定要读取哪些记录，则不能使用`“CombineRecords”`参数。注意:使用时`“变量”`参数读取一个变量，如果`“CombineRecords”`参数是`真正的`，`cdfread`返回数据为米——- - - - - -n数字或字符数组;它不会将数据放入单元格数组中。

请注意

要提高处理大型数据文件时的性能，请使用“ConvertEpochToDatenum”而且“CombineRecords”选项。

请注意

为了提高性能，关闭CDF库在打开文件时默认执行的文件验证。有关更多信息，请参见cdflib.setValidate．

例子

全部折叠

读取CDF数据

打开实时脚本

从CDF文件中读取所有数据。

数据= cdfread(“example.cdf”）;

读取CDF变量

打开实时脚本

从CDF变量中读取数据“时间”．

数据= cdfread(“example.cdf”，“变量”, {“时间”});

读取所选CDF数据

打开实时脚本

读取第一个维度中的第一个值，第二个维度中的第二个值，第三个维度中的第一个和第三个值，以及CDF变量剩余维度中的所有值“多维”．

数据= cdfread(“example.cdf”，“变量”, {“多维”}，“片”， [0 1 1;11 11 1;0 2 2]);

这类似于将整个变量读入数据然后使用矩阵索引。

数据= cdfread(“example.cdf”，“变量”, {“多维”});数据{1}(1、2、3 [1],:);

折叠CDF数据

打开实时脚本

折叠数据集中的记录，并将CDF历元数据类型转换为MATLAB串行日期。

数据= cdfread(“example.cdf”，“CombineRecords”,真的,“ConvertEpochToDatenum”,真正的);

使用`cdfread`读取和转换样本`CDF_TIME_TT2000`数据

打开实时脚本

这个例子展示了如何使用cdfread阅读CDF_TIME_TT2000数据。

在示例CDF文件中探索数据。

信息= cdfinfo(“example_364.cdf”）;信息。变量

ans =8×6单元格数组列1到5{‘时间’}{[1]}{[24]}{“时代”}{' T /}{经度的}{[2 2]}{[1]}{‘int8}{“F /英尺”}{“纬度”}{[2 2]}{[1]}{‘int8} {F / TF的}{‘数据’}{[2 2 4]}{[1]}{“双重”}{' T / TTT}{“多维”}{[2 2 3 4]}{[1]}{‘uint8} {' T / TTTT}{“温度”}{2[3]}{[10]}{‘int16} {' T / TT}{‘multiInt8}{[2 3]}{[2]}{‘int64} {' T / TT}{‘tt2000}{[1]}{[8]}{‘tt2000} {' T /}列6{‘满载’}{‘满载’}{‘满载’}{‘满载’}{‘满载’}{‘满载’}{“完整”}{‘满载’}

读CDF_TIME_TT2000数据和检查第三、第四和第五项。

tt2000Data = cdfread(“example_364.cdf”，“变量”，“tt2000”）;tt2000Data {3:5}

ans =datetime2016 - 12 - 31 - t23:59:59.100200300z

ans =datetime2016 - 12 - 31 - t23:59:60.100200300z

ans =datetime2017 - 01 - 01 - t00:00:00.100200300z

使用`cdfread`读取和转换样本`CDF_TIME_TT2000`原生形式的数据

打开实时脚本

这个例子展示了如何使用cdfread阅读CDF_TIME_TT2000原生形式的数据为CDF_TIME_TT2000时间戳，然后将这些时间戳分解为单独的时间组件。

在示例CDF文件中探索数据。

信息= cdfinfo(“example_364.cdf”）;信息。变量

ans =8×6单元格数组列1到5{‘时间’}{[1]}{[24]}{“时代”}{' T /}{经度的}{[2 2]}{[1]}{‘int8}{“F /英尺”}{“纬度”}{[2 2]}{[1]}{‘int8} {F / TF的}{‘数据’}{[2 2 4]}{[1]}{“双重”}{' T / TTT}{“多维”}{[2 2 3 4]}{[1]}{‘uint8} {' T / TTTT}{“温度”}{2[3]}{[10]}{‘int16} {' T / TT}{‘multiInt8}{[2 3]}{[2]}{‘int64} {' T / TT}{‘tt2000}{[1]}{[8]}{‘tt2000} {' T /}列6{‘满载’}{‘满载’}{‘满载’}{‘满载’}{‘满载’}{‘满载’}{“完整”}{‘满载’}

读CDF_TIME_TT2000原生形式的数据，并将数据分解为单独的时间组件。

tt2000Data = cdfread(“example_364.cdf”，“变量”，“tt2000”，“DateTimeType”，“本地”）;timeArr = cdflib.breakdownTT2000([tt2000Data{:}])

timeArr =9×82016 2016 2016 2016 2017 2017 2017 2017 12 12 12 12 12 1 1 1 1 1 31 31 31 31 31 1 1 1 1 23 23 23 23 23 00 00 0 59 59 59 00 00 0 57 58 59 60 01 23 100 100 100 100 100 100 100 100 100 100 200 200 200 200 200 200 300 300 300 300 300 300 300 300 300 300 300