数据存储是用于读取单个文件或文件或数据集合的对象。数据存储充当具有相同结构和格式的数据的存储库。例如,数据存储中的每个文件必须包含以相同顺序出现的相同类型(例如数字或文本)的数据,并由相同的分隔符分隔。
数据存储在以下情况下是有用的:
集合中的每个文件可能太大而无法放入内存中。数据存储允许您读取和分析每个文件中较小的部分的数据,这些部分确实适合内存。
集合中的文件具有任意名称。数据存储充当一个或多个文件夹中的文件的存储库。文件不需要有顺序的名称。
您可以根据数据或应用的类型创建数据存储。不同类型的数据存储包含与它们所支持的数据类型相关的属性。万博1manbetx例如,MATLAB列表见下表®数据存储。有关数据存储的完整列表,请参见“文件格式”或“应用程序”选择“数据存储”.
文件或数据的类型 | 数据存储类型 |
---|---|
包含面向列的数据的文本文件,包括CSV文件。 | TabularTextDatastore |
图像文件,包括支持的格式万博1manbetximread 例如JPEG和PNG。 |
ImageDatastore |
支持Excel的电子表格文件万博1manbetx®格式如.xlsx . |
SpreadsheetDatastore |
的输入或输出的键值对数据mapreduce . |
KeyValueDatastore |
包含面向列的数据的Parquet文件。 | ParquetDatastore |
自定义文件格式。需要一个提供的函数来读取数据。 | FileDatastore |
数据存储的检查点高 数组。 |
TallDatastore |
使用tabularTextDatastore
函数从示例文件创建数据存储airlinesmall.csv
,其中包含有关个别航班的出发和到达信息。结果是TabularTextDatastore
对象。
ds = tabularTextDatastore (“airlinesmall.csv”)
ds = TabularTextDatastore with properties: Files:{'…\matlab\工具箱\matlab\demo \ airlinessmall .csv'} folder:{'…\matlab\工具箱\matlab\demos'} FileEncoding: 'UTF-8' AlternateFileSystemRoots: {} PreserveVariableNames: false ReadVariableNames: true VariableNames:{'年','月','DayofMonth'…DatetimeLocale: en_US Text Format Properties: NumHeaderLines: 0 Delimiter: ',' RowDelimiter: '\r\n' TreatAsMissing: " MissingValue: NaN Advanced Text Format Properties: TextscanFormats: {'%f', '%f', '%f'…和26 more} TextType: 'char' ExponentCharacters: 'eEdD' CommentStyle: " Whitespace: ' \b\t' MultipleDelimitersAsOne: false属性,控制由preview, read, readall返回的表:{'Year', 'Month', 'DayofMonth'…和26}SelectedFormats: {% f ', ' % f ', ' % f '……and 26 more} ReadSize: 20000 rows OutputType: 'table' RowTimes: [] Write-specific Properties: 万博1manbetxSupportedOutputFormats: ["txt" "csv" "xlsx" "xls" "parquet" "parq"] DefaultOutputFormat: "txt"
创建数据存储后,您可以预览数据,而不必将其全部加载到内存中。属性指定感兴趣的变量(列)SelectedVariableNames
属性来预览或只读这些变量。
ds。SelectedVariableNames = {“DepTime”,“DepDelay”};预览(ds)
ans = 8×2 table DepTime DepDelay _______ ________ 642 12 1021 1 2055 20 1332 12 629 -1 1446 63 928 -2 859 -1
您可以在数据中指定表示缺失值的值。在airlinesmall.csv
,缺失值用NA
.
ds。TreatAsMissing =“NA”;
如果感兴趣的变量的数据存储中的所有数据都适合内存,则可以使用readall
函数。
T = readall (ds);
否则,使用读
函数。默认情况下,读
函数从TabularTextDatastore
一次两万行。但是,可以通过将新值赋给ReadSize
财产。
ds。ReadSize = 15000;
属性将数据存储重置为初始状态,然后重新读取重置
函数。通过调用读
函数在一个而
循环时,可以对每个数据子集执行中间计算,然后在最后聚合中间结果。的最大值DepDelay
变量。
reset(ds) X = [];而hasdata(ds) T = read(ds);X(结束+ 1)= max (T.DepDelay);结束maxDelay = max (X)
maxDelay = 1438
如果每个单独文件中的数据适合内存,则可以指定每个调用读
应该读取一个完整的文件,而不是特定的行数。
重置(ds) ds。ReadSize =“文件”;X = [];而hasdata(ds) T = read(ds);X(结束+ 1)= max (T.DepDelay);结束maxDelay = max (X);
除了读取数据存储中的数据子集外,还可以使用以下方法对数据存储应用map和reduce函数mapreduce
或者创建一个高数组高
.有关更多信息,请参见开始使用MapReduce和用于内存不足数据的高数组.
tabularTextDatastore
|imageDatastore
|spreadsheetDatastore
|KeyValueDatastore
|fileDatastore
|高
|mapreduce