r - 用 R 读取二进制文件
问题描述
我正在寻求帮助来读取带有R
.
我知道可以使用以下代码(np for numpy)在 Python 中成功导入该文件:
dt = np.dtype([('var1', np.uint32), ('var2', np.uint16), ('var3', np.int16),
('var4', np.int16), ('var5', np.int16)])
data = np.fromfile('filename.DAT', dtype=dt)
readBin
但是,我不明白如何使用R
. 任何帮助,将不胜感激。
解决方案
使用Reticulate或RcppCNPy包可能已经有一个预先存在的解决方案来解决这个问题。然而,我认为展示你如何做到这一点可能是有教育意义的。
当您使用 将任意二进制数据读入 RreadBin
时,它会将文件读入“原始”向量。这是文件中各个字节的向量。所以你可以这样做:
my_data <- readBin("filename.DAT", "raw", 10e6)
因此,将数据导入 R 很容易。困难的部分是解释它。
据我从 numpy 文档中得知,存储在 DAT 中的数据应该以小端顺序写入连续的字节块。因此,在具有指定格式的文件中,前 4 个字节代表一个 32 位无符号整数,接下来的两个字节显示一个无符号整数,接下来的 6 个字节代表 3 个有符号 16 位整数。然后,此模式将每 12 个字节重复一次,直到文件结束。
这不是 R 中使用的格式,因此需要一些工作才能获取数据。假设您已读取数据,它看起来像这样:
my_data
# [1] 44 5f 93 e8 34 e6 f1 a9 a1 10 35 2e b0 62 c5 7f b7 fd 61 c7 ef 37 a7 21 45 63
# [27] 04 62 de 57 7b 99 7e 30 d3 ab cb 1c b9 69 d2 a6 c8 8e 88 ca 06 7a bb b1 7a dc
# [53] 70 3f 13 1a 51 85 a9 68
如果您想根据表中的数据行查看字节的样子,可以这样做:
t(matrix(my_data, nrow = 12))
# [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12]
# [1,] 44 5f 93 e8 34 e6 f1 a9 a1 10 35 2e
# [2,] b0 62 c5 7f b7 fd 61 c7 ef 37 a7 21
# [3,] 45 63 04 62 de 57 7b 99 7e 30 d3 ab
# [4,] cb 1c b9 69 d2 a6 c8 8e 88 ca 06 7a
# [5,] bb b1 7a dc 70 3f 13 1a 51 85 a9 68
这意味着您的二进制数据应该以这种方式解释:
# <-----var1--------> <-var2--> <-var3--> <-var4--> <-var5->
# 44 5f 93 e8 | 34 e6 | f1 a9 | a1 10 | 35 2e <- row 1
# b0 62 c5 7f | b7 fd | 61 c7 | ef 37 | a7 21 <- row 2
# 45 63 04 62 | de 57 | 7b 99 | 7e 30 | d3 ab <- row 3
# cb 1c b9 69 | d2 a6 | c8 8e | 88 ca | 06 7a <- row 4
# bb b1 7a dc | 70 3f | 13 1a | 51 85 | a9 68 <- row 5
所以如果我们首先从这个矩阵创建一个数据框:
df <- as.data.frame(t(matrix(as.numeric(my_data), nrow = 12)))
我们现在可以从文件的已知结构重新创建我们的变量:
# Make our 32-bit numbers
var1 <- df$V1 + 2^8 * df$V2 + 2^16 * df$V3 + 2^24 * df$V4
# Make our 16-bit numbers
var2 <- df$V5 + 2^8 * df$V6
var3 <- df$V7 + 2^8 * df$V8
var4 <- df$V9 + 2^8 * df$V10
var5 <- df$V11 + 2^8 * df$V12
# Interpret our var3, 4 and 5 as signed rather than unsigned
var3 <- ifelse(var3 < 2^15, var3, var3 - 2^16)
var4 <- ifelse(var4 < 2^15, var4, var4 - 2^16)
var5 <- ifelse(var5 < 2^15, var5, var5 - 2^16)
# Store as a data frame
df <- data.frame(var1 = var1, var2 = var2, var3 = var3, var4 = var4, var5 = var5)
这意味着我们得到了对字节数据的以下解释:
df
#> var1 var2 var3 var4 var5
#> 1 3901972292 58932 -22031 4257 11829
#> 2 2143642288 64951 -14495 14319 8615
#> 3 1644454725 22494 -26245 12414 -21549
#> 4 1773739211 42706 -28984 -13688 31238
#> 5 3699028411 16240 6675 -31407 26793
因此,假设您的数据完全符合您指定的格式,以下函数应将其提取为数据框:
read_numpy_data <- function(path, max_file_size = 10e6)
{
my_data <- readBin(path, "raw", max_file_size)
df <- as.data.frame(t(matrix(as.numeric(my_data), nrow = 12)))
as_sign <- function(x, y) {(x + 2^8 * y) -> z; ifelse(z < 2^15, z, z - 2^16)}
data.frame(var1 = df$V1 + 2^8 * df$V2 + 2^16 * df$V3 + 2^24 * df$V4,
var2 = df$V5 + 2^8 * df$V6,
var3 = as_sign(df$V7, df$V8),
var4 = as_sign(df$V9, df$V10),
var5 = as_sign(df$V11, df$V12))
}