Question

我有一个巨大的二进制数据表data= {1000 x 1000}。这些表的变量名称被编码为例如D1,D2,...,DA2,DA3,...，其真实标签在.txt文件中给出。

.txt文件还包含一些文本，例如：

D1: Age

 Mean age: 33
 Median : 
 .
 .
 .

D2: weight

我只想从文本文件中选择这些名称，并创建一个包含实际变量名称的表。

有什么建议吗？

Answer 1

如果每个标签之间存在特定数量的行，则可以通过读取文件并循环相关行来提取它们。对于每个标签，使用strsplit（）提取标签很简单例如假设每个标签之间有5行

uselessLines = 5;
% imports as a vertical matrix with each line from the file.
dataLabelsFile = importdata(filename);

% get the total number of lines
numLines = size(dataLabelsFile);

% pre-allocate array for labels, a cell is used for a string
dataLabels = cell(ceil(numLines/(uselessLines+1)));

% use a seperate counting variable
m = 1;

% now, for each label, we add it to the dataLabels matrix
for i=1:(uselessLines+1):numLines
    line = strsplit(dataLabelsFile{i}); % by default splits on whitespace
    dataLabels(m) = line(2);
    m = m + 1;
end

在该循环结束时，您应该有一个名为dataLabels的变量，它包含所有标签。现在，您可以非常轻松地确定哪个标签与哪组数据相关只要它们仍处于同一顺序。标签与数据的索引相同。

如果标签间距均匀，可以尝试这种方法。

但是，如果标签是随机数行，那么您可能想要使用正则表达式进行检查，就像我下面的人所建议的那样。然后你只需用这样的东西替换循环的最后两行。

...
    if (regular expression matched)
        dataLabels(m) = line(2);
        m = m + 1;
    end
...

话虽如此，虽然正则表达式是灵活的，但如果你可以通过字面上的一个函数调用来替换它，那么通常这样做会更好。正则表达式的效率取决于程序员的技能，而内置函数通常由世界上一些更好的程序员测试。此外，如果您想要返回并更改它，则很难理解正则表达式。当然有时候Regex很棒，我只是不相信这是其中一次。

Answer 2

我之前评论中的方法实现：

fid = fopen(filename);

varNames = cell(0);
proceed = true;
while proceed
    line = fgetl(fid);
    if ischar(line)
        startIdx = regexp(line,'(?<=^[A-Z]*\d*:)\s');
        if ~isempty(startIdx)
            varNames{end+1} = strtrim(line(startIdx:end)); %#ok<SAGROW>
        end
    else
        proceed = false;
    end
end

fclose(fid);

我无法将结果varNames放在一个表格中，因为我有一个不支持表格的Matlab版本。

MATLAB中的变量标签

2 个答案: