- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在生成约 100 万个文本文件,其中包含 double 组、制表符分隔(这些是用于研究的模拟)。下面的示例输出。我预计每百万个文本文件约为 5 TB,这是 Not Acceptable 。所以我需要压缩。
但是,我所有的数据分析都会在matlab中完成。每个 matlab 脚本都需要访问所有这些文本文件。我无法使用 C++ 解压整个百万,然后运行 matlab 脚本,因为我缺少 HD 空间。所以我的问题是,是否有一些非常简单、易于实现的算法或其他方法来减小我的文本文件大小,以便我可以用 C++ 编写压缩并在 matlab 中读取它?
示例文本文件
0.0220874 0.00297818 0.000285954 1.70E-05 1.52E-07
0.0542912 0.00880725 0.000892849 6.94E-05 4.51E-06
0.0848582 0.0159799 0.00185915 0.000136578 7.16E-06
0.100415 0.0220033 0.00288016 0.000250445 1.38E-05
0.101889 0.0250725 0.00353148 0.000297856 2.34E-05
0.0942061 0.0256 0.00393893 0.000387219 3.01E-05
0.0812377 0.0238492 0.00392418 0.000418365 4.09E-05
0.0645259 0.0206528 0.00372185 0.000419891 3.23E-05
0.0487525 0.017065 0.00313825 0.00037539 3.68E-05
如果重要的话......完整的文本文件代表联合概率质量函数,所以它们总和为 1。我需要无损压缩。
更新这是一个用 C++ 编写二进制文件并在 Matlab 中阅读它的 IDIOTS 指南,其中包含一些非常基本的解释。
将小数组写入二进制文件的 C++ 代码。
#include <iostream>
using namespace std;
int main()
{
float writefloat;
const int rows=2;
const int cols=3;
float JPDF[rows][cols];
JPDF[0][0]=.19493;
JPDF[0][1]=.111593;
JPDF[0][2]=.78135;
JPDF[1][0]=.33333;
JPDF[1][1]=.151535;
JPDF[1][2]=.591355;
JPDF 是一个 float 类型的数组,我将 6 个值保存到其中。这是一个 2x3 数组。
FILE * out_file;
out_file = fopen ( "test.bin" , "wb" );
老实说,我不太明白第一行在做什么。它似乎在制作一个名为 out_file 的 FILE 类型的指针。第二行 fopen 表示创建一个新文件用于写入(第二个参数的 'w'),并使其成为二进制文件(wb 的 'b')。
fwrite(&rows,sizeof(int),1,out_file);
fwrite(&cols,sizeof(int),1,out_file);
这里我对数组的大小进行了编码(# 行,# 列)。请注意,我们 fwrite 对变量 rows 和 cols 的引用,而不是变量本身(& 由 ref)。第二个参数告诉它要写入多少字节。由于行和列都是整数,所以我使用 sizeof(int)。 '1' 表示执行此操作 1 次。我认为。 out_file 是指向我们正在写入的文件的指针。
for (int i=0; i<3; i++)
{
for (int j=0; j<2; j++)
{
writefloat=JPDF[j][i];
fwrite (&writefloat , sizeof(float), 1, out_file);
}
}
fclose (out_file);
return 0;
}
现在我将遍历我的数组并将每个值以字节为单位写入我的文件。索引有点向后看,因为我正在迭代每一列而不是在内循环中的一列。我们马上就会明白为什么。同样,我正在编写对 writefloat 的引用,它在每次迭代中采用当前数组元素的值。由于每个数组元素都是 float ,因此我在这里使用 sizeof(float) 而不是 sizeof(int)。
为了令人难以置信地清楚起见,下面是我如何看待我们刚刚创建的文件的图表。
[4 bytes: rows][4 bytes: cols][4 bytes: JPDF[0][0]][4 bytes: JPDF[1][0]] ...
[4 bytes: JPDF[1][2]]
..其中每个字节 block 都以二进制(0 和 1)写入。
在 MATLAB 中解释:
FID=fopen('test.bin');
sizes=fread(FID,2,'int')
FID 在这里有点像指针。 secret 地,它可能是一个指针。然后我们使用 fread,它的操作与 C++ fread 非常相似。 FID 是我们文件的“指针”。 'int' 告诉函数每个 block 包含多少字节。所以 sizes=fread(FID,2,'int')
表示“以二进制形式打开 FID,读取 2 个大小为 INT 字节的 block ,并以向量形式返回 2 个元素。现在,sizes(1)=rows,sizes(2)=cols。
s=fread(FID,[sizes(1) sizes(2)],'float')
下一部分最初对我来说并不完全清楚,我想我必须告诉 fread 跳过我的二进制文件中包含行/列信息的“ header ”。然而,它 secret 地维护着一个指向你离开的地方的指针。所以现在我清空二进制文件的其余部分,因为我知道数组的维度。请注意,虽然第二个参数 [M,N] 是 [rows,cols],但 fread 是按“列顺序”读取的,这就是我们按列顺序写入数组数据的原因。
一个 * 是,如果 C++ 程序的体系结构与 matlab 一致(例如,两者都是 64 位,或者都是 32 位),我认为我只能使用 matlab 代码“int”和“float” .但我不确定这一点。
输出是:
sizes =
2
3
s =
0.194930002093315 0.111593000590801 0.781350016593933
0.333330005407333 0.151535004377365 0.59135502576828
最佳答案
为了比每个数字四个字节做得更好,您需要确定您需要这些数字的精度。由于它们是概率,所以它们都在 [0,1] 中。您应该能够将精度指定为 2 的幂,例如您需要知道每个概率在实际值的 2-n 范围内。然后,您只需将每个概率乘以 2n,四舍五入到最接近的整数,然后仅存储该整数中的 n 位。
在最坏的情况下,我可以看到您永远不会为每个概率显示超过六位数。因此,您可以将它们编码为 20 位,假设小数点后的精度固定不变。将每个概率乘以 220 (1048576),四舍五入,然后将 20 位写入文件。每个概率将占用 2.5 个字节。这小于浮点值的四个字节。
无论哪种方式都比示例文件中每个值的平均 11.3 字节小得多。
如果您可以利用数据中的已知模式,您可以获得更好的压缩效果。假设有任何。我看到在您的示例中,每行的值在每一步都下降了某个因素。如果这是真实的,而不仅仅是示例生成的产物,那么您可以连续为每个样本使用更少的位。此外,如果第一个样本确实总是小于 1/8,那么您可以删除该样本的前三位,因为这些位始终为零。如果第二列总是小于 1/32,您可以删除所有这些的前五位。等等。假设示例中的幅度是所有数据集中的最大值(显然不是真的,但只是将其用作说明性案例),并假设小数点后需要六位小数,我可以对每行六个值进行编码50 位,平均每个概率略高于一个字节。
对于最后一点压缩,由于值相加,您不必存储最后一个值。
关于matlab - matlab 可解释的 C++ 中的简单压缩算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12358434/
我正在努力实现以下目标, 假设我有字符串: ( z ) ( A ( z ) ( A ( z ) ( A ( z ) ( A ( z ) ( A ) ) ) ) ) 我想编写一个正则
给定: 1 2 3 4 5 6
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
大家好,我卡颂。 Svelte问世很久了,一直想写一篇好懂的原理分析文章,拖了这么久终于写了。 本文会围绕一张流程图和两个Demo讲解,正确的食用方式是用电脑打开本文,跟着流程图、Demo一
身份证为15位或者18位,15位的全为数字,18位的前17位为数字,最后一位为数字或者大写字母”X“。 与之匹配的正则表达式: ?
我们先来最简单的,网页的登录窗口; 不过开始之前,大家先下载jquery的插件 本人习惯用了vs2008来做网页了,先添加一个空白页 这是最简单的的做法。。。先在body里面插入 <
1、MySQL自带的压力测试工具 Mysqlslap mysqlslap是mysql自带的基准测试工具,该工具查询数据,语法简单,灵活容易使用.该工具可以模拟多个客户端同时并发的向服务器发出
前言 今天大姚给大家分享一款.NET开源(MIT License)、免费、简单、实用的数据库文档(字典)生成工具,该工具支持CHM、Word、Excel、PDF、Html、XML、Markdown等
Go语言语法类似于C语言,因此熟悉C语言及其派生语言( C++、 C#、Objective-C 等)的人都会迅速熟悉这门语言。 C语言的有些语法会让代码可读性降低甚至发生歧义。Go语言在C语言的
我正在使用快速将 mkv 转换为 mp4 ffmpeg 命令 ffmpeg -i test.mkv -vcodec copy -acodec copy new.mp4 但不适用于任何 mkv 文件,当
我想计算我的工作簿中的工作表数量,然后从总数中减去特定的工作表。我错过了什么?这给了我一个对象错误: wsCount = ThisWorkbook.Sheets.Count - ThisWorkboo
我有一个 perl 文件,用于查看文件夹中是否存在 ini。如果是,它会从中读取,如果不是,它会根据我为它制作的模板创建一个。 我在 ini 部分使用 Config::Simple。 我的问题是,如果
尝试让一个 ViewController 通过标准 Cocoa 通知与另一个 ViewController 进行通信。 编写了一个简单的测试用例。在我最初的 VC 中,我将以下内容添加到 viewDi
我正在绘制高程剖面图,显示沿路径的高程增益/损失,类似于下面的: Sample Elevation Profile with hand-placed labels http://img38.image
嗨,所以我需要做的是最终让 regStart 和 regPage 根据点击事件交替可见性,我不太担心编写 JavaScript 函数,但我根本无法让我的 regPage 首先隐藏。这是我的代码。请简单
我有一个非常简单的程序来测量一个函数花费了多少时间。 #include #include #include struct Foo { void addSample(uint64_t s)
我需要为 JavaScript 制作简单的 C# BitConverter。我做了一个简单的BitConverter class BitConverter{ constructor(){} GetBy
已关闭。这个问题是 not reproducible or was caused by typos 。目前不接受答案。 这个问题是由拼写错误或无法再重现的问题引起的。虽然类似的问题可能是 on-top
我是 Simple.Data 的新手。但我很难找到如何进行“分组依据”。 我想要的是非常基本的。 表格看起来像: +________+ | cards | +________+ | id |
我现在正在开发一个 JS UDF,它看起来遵循编码。 通常情况下,由于循环计数为 2,Alert Msg 会出现两次。我想要的是即使循环计数为 3,Alert Msg 也只会出现一次。任何想法都
我是一名优秀的程序员,十分优秀!