- 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/
我想做的是让 JTextPane 在 JPanel 中占用尽可能多的空间。对于我使用的 UpdateInfoPanel: public class UpdateInfoPanel extends JP
我在 JPanel 中有一个 JTextArea,我想将其与 JScrollPane 一起使用。我正在使用 GridBagLayout。当我运行它时,框架似乎为 JScrollPane 腾出了空间,但
我想在 xcode 中实现以下功能。 我有一个 View Controller 。在这个 UIViewController 中,我有一个 UITabBar。它们下面是一个 UIView。将 UITab
有谁知道Firebird 2.5有没有类似于SQL中“STUFF”函数的功能? 我有一个包含父用户记录的表,另一个表包含与父相关的子用户记录。我希望能够提取用户拥有的“ROLES”的逗号分隔字符串,而
我想使用 JSON 作为 mirth channel 的输入和输出,例如详细信息保存在数据库中或创建 HL7 消息。 简而言之,输入为 JSON 解析它并输出为任何格式。 最佳答案 var objec
通常我会使用 R 并执行 merge.by,但这个文件似乎太大了,部门中的任何一台计算机都无法处理它! (任何从事遗传学工作的人的附加信息)本质上,插补似乎删除了 snp ID 的 rs 数字,我只剩
我有一个以前可能被问过的问题,但我很难找到正确的描述。我希望有人能帮助我。 在下面的代码中,我设置了varprice,我想添加javascript变量accu_id以通过rails在我的数据库中查找记
我有一个简单的 SVG 文件,在 Firefox 中可以正常查看 - 它的一些包装文本使用 foreignObject 包含一些 HTML - 文本包装在 div 中:
所以我正在为学校编写一个 Ruby 程序,如果某个值是 1 或 3,则将 bool 值更改为 true,如果是 0 或 2,则更改为 false。由于我有 Java 背景,所以我认为这段代码应该有效:
我做了什么: 我在这些账户之间创建了 VPC 对等连接 互联网网关也连接到每个 VPC 还配置了路由表(以允许来自双方的流量) 情况1: 当这两个 VPC 在同一个账户中时,我成功测试了从另一个 La
我有一个名为 contacts 的表: user_id contact_id 10294 10295 10294 10293 10293 10294 102
我正在使用 Magento 中的新模板。为避免重复代码,我想为每个产品预览使用相同的子模板。 特别是我做了这样一个展示: $products = Mage::getModel('catalog/pro
“for”是否总是检查协议(protocol)中定义的每个函数中第一个参数的类型? 编辑(改写): 当协议(protocol)方法只有一个参数时,根据该单个参数的类型(直接或任意)找到实现。当协议(p
我想从我的 PHP 代码中调用 JavaScript 函数。我通过使用以下方法实现了这一点: echo ' drawChart($id); '; 这工作正常,但我想从我的 PHP 代码中获取数据,我使
这个问题已经有答案了: Event binding on dynamically created elements? (23 个回答) 已关闭 5 年前。 我有一个动态表单,我想在其中附加一些其他 h
我正在尝试找到一种解决方案,以在 componentDidMount 中的映射项上使用 setState。 我正在使用 GraphQL连同 Gatsby返回许多 data 项目,但要求在特定的 pat
我在 ScrollView 中有一个 View 。只要用户按住该 View ,我想每 80 毫秒调用一次方法。这是我已经实现的: final Runnable vibrate = new Runnab
我用 jni 开发了一个 android 应用程序。我在 GetStringUTFChars 的 dvmDecodeIndirectRef 中得到了一个 dvmabort。我只中止了一次。 为什么会这
当我到达我的 Activity 时,我调用 FragmentPagerAdapter 来处理我的不同选项卡。在我的一个选项卡中,我想显示一个 RecyclerView,但他从未出现过,有了断点,我看到
当我按下 Activity 中的按钮时,会弹出一个 DialogFragment。在对话框 fragment 中,有一个看起来像普通 ListView 的 RecyclerView。 我想要的行为是当
我是一名优秀的程序员,十分优秀!