WedX - журнал о программировании и компьютерных науках

загружать файлы из двух разных папок в Matlab

Привет, я немного новичок в матлабе. У меня на ноутбуке две разные папки, в каждой около 400 разных файлов. Я хочу загрузить все эти файлы (400 из первой папки и 400 из второй папки), я пробовал так, но не работает:

folder1=('E:\results\1\'); 
folder2=('E:\results\2\'); 
data=load([folder1,'*.m']);
data1=load([folder2,'*.m']);

а затем я хочу взять первый файл из папки1 и вычесть из первого файла из папки1 и сохранить его в новой папке. и сделайте это для всех других файлов ... и т. д. может ли какой-нибудь эксперт дать мне какое-либо предложение !! заранее спасибо.

matlab plot matlab-load
14.06.2013

Ответы:


1

Почти уверен, что load берет один файл за раз. Попробуйте такой простой вариант:

folder1=('E:\results\1\'); 
folder2=('E:\results\2\');
files1 = dir( [folder1,'*.m'] );
files2 = dir( [folder2,'*.m'] );

data = cell(length(files1),1);  % I don't know what's in the mat files, but let's start with a cell array
data1 = cell(length(files2),1);
for ii=1:length(files1)
  data{ii} = load(fullfile(folder1,files1(ii).name));
end
for ii=1:length(files2)
  data1{ii} = load(fullfile(folder2,files2(ii).name));
end

Есть и другие, более однострочные способы, но это довольно педантичный.

14.06.2013
  • привет, большое спасибо. но я думаю, что команда ячейки не работает для меня. в этих файлах у меня есть матрица, которая содержит 3 столбца и 500 строк. каждый пиксель в матрице содержит числа... есть ли другая лучшая команда для моего случая 14.06.2013
  • @ user2486405, зависит от того, как вы хотите использовать данные. В любом случае, массив ячеек — это супер контейнер, который может хранить что угодно, включая матрицу 500x3, поэтому data — это массив ячеек, каждая запись которого содержит матрицу 500x3. 14.06.2013
    • Новые материалы
    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
    Для любых предложений по сайту: [email protected]