Question

我在matlab中有以下格式的文件：

user_id_a: (item_1,rating),(item_2,rating),...(item_n,rating)
user_id_b: (item_25,rating),(item_50,rating),...(item_x,rating)
....
....

因此每行的值都以冒号分隔，冒号左边的值是表示user_id的数字，右边的值是item_ids（也是数字）和等级（数字不是浮点数）的元组。

我想将这些数据读入matlab单元阵列或更好地最终将其转换为稀疏矩阵，其中user_id表示行索引，item_id表示列索引并将相应的评级存储在该数组索引中。（这可以工作，因为我先前知道我的宇宙中的用户和项目的数量，因此ID不能大于此。）

任何帮助都将不胜感激。

我到目前为止尝试了文本扫描功能如下：

c = textscan(f,'%d %s','delimiter',':')   %this creates two cells one with all the user_ids
                                          %and another with all the remaining string values.

现在，如果我尝试执行类似str2mat(c{2})的操作，它可以工作，但它也会在矩阵中存储'（'和'）'字符。我想以我上面描述的方式存储一个稀疏矩阵。

我是matlab的新手，对此事感兴趣。

Answer 1

f = fopen('data.txt','rt'); %// data file. Open as text ('t')
str = textscan(f,'%s'); %// gives a cell which contains a cell array of strings
str = str{1}; %// cell array of strings
r = str(1:2:end);
r = cellfun(@(s) str2num(s(1:end-1)), r); %// rows; numeric vector
pairs = str(2:2:end); 
pairs = regexprep(pairs,'[(,)]',' ');
pairs = cellfun(@(s) str2num(s(1:end-1)), pairs, 'uni', 0);
%// pairs; cell array of numeric vectors
cols = cellfun(@(x) x(1:2:end), pairs, 'uni', 0);
%// columns; cell array of numeric vectors
vals = cellfun(@(x) x(2:2:end), pairs, 'uni', 0);
%// values; cell array of numeric vectors
rows = arrayfun(@(n) repmat(r(n),1,numel(cols{n})), 1:numel(r), 'uni', 0);
%// rows repeated to match cols; cell array of numeric vectors
matrix = sparse([rows{:}], [cols{:}], [vals{:}]);
%// concat rows, cols and vals into vectors and use as inputs to sparse

对于示例文件

1: (1,3),(2,4),(3,5)
10: (1,1),(2,2)

这给出了以下稀疏矩阵：

matrix =
   (1,1)        3
  (10,1)        1
   (1,2)        4
  (10,2)        2
   (1,3)        5

Answer 2

我认为较新版本的Matlab有一个stringsplit函数，使得这种方法过度，但如果不是很快，以下工作。它将文件拆分为用户ID和显示的“其他内容”，初始化一个大的空矩阵，然后遍历其他内容，将其拆分并放置在矩阵中的正确位置。

（当我出于某种原因打开它时，我没有看到之前的答案 - 它比这个更复杂，尽管这可能更容易遵循，但代价是缓慢）。如果间距不一致，我会将\s*放入正则表达式中，否则在数据健全性检查方面不会有太大作用。输出是完整数组，如果需要，您可以将其转换为稀疏数组。

% matlab_test.txt:
% 101: (1,42),(2,65),(5,0)
% 102: (25,78),(50,12),(6,143),(2,123)
% 103: (23,6),(56,3)

clear all;
fclose('all');
% your path will vary, of course
file = '<path>/matlab_test.txt';
f = fopen(file);
c = textscan(f,'%d %s','delimiter',':');
celldisp(c)
uids = c{1}
tuples = c{2}

% These are stated as known
num_users = 3;
num_items = 40;

desired_array = zeros(num_users, num_items);
expression = '\((\d+)\s*,\s*(\d+)\)'
% Assuming length(tuples) == num_users for simplicity
for k = 1:num_users
    uid = uids(k)
    tokens = regexp(tuples{k}, expression, 'tokens');
    for l = 1:length(tokens)
        item_id = str2num(tokens{l}{1})
        rating = str2num(tokens{l}{2})
        desired_array(uid, item_id) = rating;
    end
end

matlab将文件解析成单元格数组

2 个答案: