Tengo un archivo de datos estructurados que consiste en líneas de encabezado intercaladas con bloques de datos. Estoy leyendo cada bloque de datos (como lo define la línea de encabezado) en una celda separada de una matriz de celdas. Por ejemplo, supongamos que después de cargar los datos contextscanTengo una matriz de celdasx y una variedad de índices de líneas de encabezado y EOF (headerIdx) de la siguiente forma:

x={'header line 1';'98.78743';'99.39717';'99.93578';'100.40125';'100.79166';'101.10525';'101.34037';'101.49553';'101.56939';'101.56072';'101.4685';'101.29184';'101.03002';'100.68249';'header line 2';'100.24887';'99.72897';'99.12274';'98.43036';'97.65215';'96.78864';'95.84054';'header line 3';'3.2';'4.31';'2.7';'4.6';'9.3'};
headerIdx=[1;16;24;30];

Luego intento extraer cada bloque de datos debajo de una línea de encabezado en un elemento separado de una matriz de celdas usandosscanf ystr2mat (como lo sugiereesta publicación) Inicialmente, este enfoque falló porque los elementos dentro de un bloque de datos dado eran de diferente longitud. Esto se puede resolver incluyendo una bandera numérica para'%f' argumento para ayudarsscanf saber dónde delimitar los datos de entrada (como lo sugiereesta publicación) Entonces se puede usar una estrategia como la siguiente para efectuar la conversión de datos estructurados a una matriz de celdas de matrices dobles específicas de bloque:

extract_data = @(n) sscanf(str2mat(x(headerIdx(n)+1:headerIdx(n+1)-1)).',['%' num2str(size(str2mat(x(headerIdx(n)+1:headerIdx(n+1)-1)).',1)) 'f']);
extracted_data = arrayfun(extract_data,1:numel(headerIdx)-1,'UniformOutput',false);

El indicador numérico de la cadena de formato se puede establecer en algo arbitrariamente grande para abarcar todos los datos, o se puede establecer en una base específica de bloque como lo hice en el ejemplo anterior. El último enfoque lleva a una evaluación redundante destr2mat (una vez para la entrada asscanf y una vez para la entrada a la'%f' generador de cuerdas ¿Se puede evitar esta redundancia sin usar sentencias de bucle que almacenen la salida delstr2mat comando en una variable temporal? Tenga en cuenta que uno no puede simplemente tomar la salida de lasize comando aplicado a la salida destr2mat(x).' en todo el conjunto de datos porque las líneas de encabezado generalmente serán las líneas con el mayor número de caracteres.

Finalmente, he construido elx matriz anterior para reflejar el hecho de que algunos bloques de datos pueden tener una precisión diferente que otros bloques. Esta es la razón para establecer la cadena de formato de una manera específica de bloque. Mi prueba ha demostrado que a pesar de la construcción precisa de una cadena de formato específica de bloque (['%' num2str(size(str2mat(x(headerIdx(n)+1:headerIdx(n+1)-1)).',1)) 'f']), los datos en todos los elementos de la matriz de celdas resultante (extracted_data) se ven obligados a tener la misma precisión (ver más abajo). ¿Por qué es este el caso y cómo se puede corregir?

extracted_data{:}

ans =

   98.7874
   99.3972
   99.9358
  100.4013
  100.7917
  101.1052
  101.3404
  101.4955
  101.5694
  101.5607
  101.4685
  101.2918
  101.0300
  100.6825


ans =

  100.2489
   99.7290
   99.1227
   98.4304
   97.6522
   96.7886
   95.8405


ans =

    3.2000
    4.3100
    2.7000
    4.6000
    9.3000