Question

我需要将包含整数计数的文件gzip压缩文件解码为人类可读数字，以便我可以对它们进行汇总（fx均值，中位数等）。

可以找到其中一个文件的示例here（572字节）

根据official documentation它应该包含1001个整数计数（表示片段长度分布）编码为“有符号，32位整数（具有机器本机字节序”） - 有人可以帮我提取它们。

Answer 1

使用Python 2.7读取文件，使用numpy计算平均值和中位数：

import gzip
import os
import struct
import numpy as np

directory = '/path/to/file'
filename = 'fld.gz'
path = os.path.join(directory, filename)

counts = []
size = 4 # standard size for an int is 4, see:
         # https://docs.python.org/2/library/struct.html#format-characters
with gzip.open(path, 'rb') as f:
    byte = f.read(size)
    while byte:

        count, = struct.unpack('i', byte)
        counts.append(count)

        byte = f.read(size)


print len(counts) # prints indeed 1001

counts = np.array(counts)
print np.mean(counts)
print np.median(counts)

将包含整数计数的压缩包含的二进制文件解卷积为人类可读数字

1 个答案: