第一步：创建数据文件夹

在桌面创建一个名为《如何利用matlab循环读取文件夹中的文件》的文件夹，在再这个文件夹里面创建几个子文件夹，如下图所示；



第二步：在每个文件夹里面放好数据文件，我这里以.txt文件为列子。

具体的如下图所示：



对于上面的文件，为了能当输入文件的顺序时能读取文件中的数据，故编写了如下的代码：

clc
clear
close all;
%% 读取各个文件夹
%———注意修改文件的路径，将《C:\Users\pgl\Desktop\如何利用matlab循环读取文件夹中的文件》修改为自己的文件夹————%
filename1=ls('C:\Users\pgl\Desktop\如何利用matlab循环读取文件夹中的文件');%提取文件名,每次必须将文件名写入。
cd('C:\Users\pgl\Desktop\如何利用matlab循环读取文件夹中的文件')%跳转到要处理的数据所在文件夹
filename=cellstr(filename1);                       %把细胞数组转化为字符串
filename(1:2)=[];                                  %删除filename中的...文件名，不知道哪里来的
num=length(filename);                              %计算文件个数
%% 读取其中一个文件夹中的文件
fileth=1;       %计算第几个文件夹的数据，fileth最大能选择num
%如果选择的文件数大于num，初始化为第一个
if fileth>num
    fileth=1;
end
file_location=['C:\Users\pgl\Desktop\如何利用matlab循环读取文件夹中的文件','\',filename(fileth)];
C=cell2mat(file_location);                 %细胞数组转化为字符串
cd(C);                                           %跳转到第fileth个文件夹
all_fileth_filename_char=ls(C);
all_fileth_filename=cellstr(all_fileth_filename_char);                       %把细胞数组转化为字符串
all_fileth_filename(1:2)=[];
num_file=length(all_fileth_filename);%计算文件夹中文件的个数
detail_file_name=1;                          %打算读取的文件序号
%防止因为输入而产生的错误
if detail_file_name>num_file
    detail_file_name=1;
end
file_char=all_fileth_filename{detail_file_name};%提取文件的字符
data=load(file_char);                                       %读取文件数据



方法二：如何快速读取文件夹里面的同一类型的文件

clc
clear
close all
location='如何利用matlab循环读取文件夹中的文件/';
temp1 = dir([location,  '*.txt']);
cd('如何利用matlab循环读取文件夹中的文件')
N=length(temp1);
for i=1:N
    data=load(temp1(i).name);
end
%  注意：将需要读取的文件夹放在和程序的同一文件夹内，

 

废话不多说，先上代码。
clear;
clc;

for i = 1:30	%文件个数
    filename = ['test (' num2str(i) ')' '.txt'];	%文件名称
    delimiterIn = ' ';
    headerlinesIn = 12;		%文件中文字的行数
    AllData = importdata(filename,delimiterIn,headerlinesIn);		%获取文件

    DiseaseData = AllData.data(1:2025,4:129);	%纯数字矩阵

    MeanDiseaseData = mean(DiseaseData);		%进行平均值计算

    s=strcat('A',num2str(i))	%输出A1 A2 A3等，用于下面循环导出为excel
    
    xlswrite('testdata.xlsx',MeanDiseaseData,1,s);		%逐行写入excel
end

输入格式：顺序增加的文件名称，以便用来循环。



这里就涉及到怎样批量重命名文件了



对于上述文件，首先全选。



全选后按 F2 ,输入文件名如 test



在按下 CTRL + Enter ，效果如下图。



ok,至此输入文件名称格式已经好了。
此时，如果我们输入的txt文件中既有英文，又有数字，如下图所示。



我们直接使用 textread 函数的话，是会报错的。



所以我们代码里使用：
    headerlinesIn = 12;		%文件中文字的行数
    AllData = importdata(filename,delimiterIn,headerlinesIn);		%获取文件

这样就可以将txt文件中的非数字部分去除。
至此，我们已经将txt文件中的数字转化为Matlab里的矩阵了，接下来进行一系列运算后，将其输出为excel。
如果直接调用

xlswrite(filename,A)

的话，每次循环产生的新数组A,都会将之前的写入excel的数组覆盖，不管循环多少次，最终指挥获得一个数组。
那么，我们想每一次循环导出到excel的数组都放到上一次数组的下面。
这时我们需要先了解一下下面这个函数：

xlswrite(filename,A,sheet,xlRange)

%writes to the specified worksheet and range.
比如 xlswrite(test,A,1,A1)

意思就是将A这个矩阵放到名为test的excel文件中，具体放的位置为sheet1,矩阵左上角为A1。


那现在如果每次导入excel的矩阵为一行的话，只需要第一次循环为 xlswrite(test,A,1,A1)，第二次为 xlswrite(test,A,1,A2) 就好。
s=strcat('A',num2str(i))	%输出A1 A2 A3等，用于下面循环导出为excel
xlswrite('testdata.xlsx',MeanDiseaseData,1,s);		%逐行写入excel

程序里的这两行就实现了上述功能。
总结
到此我们就实现了

1、matlab批量导入txt文件

2、将txt文件中的英文去除

3、逐行将矩阵输出为excel

猜你喜欢：👇🏻

⭐【Matlab】怎么修改Excel单元格颜色？

⭐Matlab 实现对 Excel sheet 重命名 合并单元格

⭐【Matlab】一个超简单的生成顺序数组的方法

 程序如下：

 

%  n 为数据文件个数

%  数据文件格式为： mat dat txt xls

%  data 为输入数据的结构体 

%  取出任何一个来用的语句为  data{i} i表示第i次读入文件！（如果进行了顺序组合，最后只剩下data{1}！）

%  例如你要输出第3次的读入文件，并赋值给A  语句如下：（如果进行了顺序组合，最后只剩下data{1}！）

%  A=data{3};（如果进行了顺序组合，最后只剩下data{1}！）

clear

n=input ('输入文件个数：n=');

for i=1:n

    [filename,pathname]=uigetfile({'*.xls';'*.txt';'*.dat';'*.mat' },'导入数据');

    l= length(filename);

        if l<5

            errordlg ('wrong file','file open error !!!');

             return;

        end

       filename1=strcat(pathname,filename);%合并绝对路径

       test=filename(1,l-3:l);

    switch test

         case '.mat'

            d=struct2cell(load(filename1));%绝对路径;取出文件夹中数据；

            a=d;

         case '.dat'

            d=(load(filename1));%绝对路径;取出文件夹中数据；

            a=d;

        case '.txt'

            d=(load(filename1));%绝对路径;取出文件夹中数据；

            a=d;

        

        case '.xls'

            file=fullfile(pathname,filename); 

            d=xlsread(file);

            a=d;

        otherwise

        errordlg ('wrong file','file open error !!!');

        return;

    end

   cd(pathname);   %保存绝对路径  

   data{i}=a;

end




    disp('0 不做任何操作')

    disp('1 按照导入顺序组合（要求：文件列数相同）')

    sss=input('输入:0 or 1\n');

    switch sss

        case 0

            data1=data;

        case 1

            D=[];

            for i=1:n 

                clear A

                A=data{i}(:,:);

                D=[D;A];

            end

            data1{1}=D;

        otherwise

            errordlg ('wrong Number/n REPEAT','The No. is error !');

            break

    end

    clear data filename filename1 a d sss i l n test A D file j

    data=data1;

    clear data1







直接转成m文件运行就能读取，程序最后路径为数据所在的路径。

从第一个%复制

使用方法：

在保存为wt.m文件，完成后生成wt.m文件，在matlab里输入help wt有解释。。。

	

Matlab是学术界非常受欢迎的科学计算平台，matlab提供强大的数据计算以及仿真功能。在Matlab中数据集通常保存为.mat格式。那么如果我们想要在Python中加载.mat数据应该怎么办呢？所以今天就给大家分享一个使用python加载.mat数据的方法。我将使用Stanford Cars Dataset数据集作为例子为大家演示使用方法。数据集
Stanford Cars Dataset数据集是一个关于车辆图像分类的数据集，该数据集保存格式为.mat形式。数据及下载地址为：
https://ai.stanford.edu/~jkrause/cars/car_dataset.html
加载.mat文件
Scipy是一个非常流行的用于科学计算的python库，很自然地，它们有一种方法可以让你读入.mat文件。阅读它们绝对是一件容易的事。您可以在一行代码中完成它：
from scipy.io import loadmat
annots = loadmat('cars_train_annos.mat')
格式化数据
通过loadmat方法加载数据后会返回一个Python字典的数据结构，我们可以查看数据关键字，代码如下：
annots.keys()
> dict_keys(['__header__', '__version__', '__globals__', 'annotations'])
下边是关于数据集描述的文档，从中我们可以查看关于数据及更详细的描述，也可以验证通过Python加载后数据是否正确。
This file gives documentation for the cars 196 dataset.
(http://ai.stanford.edu/~jkrause/cars/car_dataset.html)
 — — — — — — — — — — — — — — — — — — — — 
Metadata/Annotations
 — — — — — — — — — — — — — — — — — — — — 
Descriptions of the files are as follows:
-cars_meta.mat:
 Contains a cell array of class names, one for each class.
-cars_train_annos.mat:
 Contains the variable ‘annotations’, which is a struct array of length
 num_images and where each element has the fields:
 bbox_x1: Min x-value of the bounding box, in pixels
 bbox_x2: Max x-value of the bounding box, in pixels
 bbox_y1: Min y-value of the bounding box, in pixels
 bbox_y2: Max y-value of the bounding box, in pixels
 class: Integral id of the class the image belongs to.fname: Filename of the image within the folder of images.
-cars_test_annos.mat:
 Same format as ‘cars_train_annos.mat’, except the class is not provided.
 — — — — — — — — — — — — — — — — — — — — Submission file format
 — — — — — — — — — — — — — — — — — — — — Files for submission should be .txt files with the class prediction forimage M on line M. Note that image M corresponds to the Mth annotation inthe provided annotation file. An example of a file in this format istrain_perfect_preds.txtIncluded in the devkit are a script for evaluating training accuracy,eval_train.m. Usage is:
(in MATLAB)
>> [accuracy, confusion_matrix] = eval_train(‘train_perfect_preds.txt’)
If your training predictions work with this function then your testing
predictions should be good to go for the evaluation server, assuming
that they’re in the same format as your training predictions.
从文档中可以看到，annotations变量中包含我们想要的结构数据，包括标签、图像文件名以及图像边界框信息，因此我们只需处理annotations变量并从中提取我们想要的信息。
type(annots[‘annotations’]),annots[‘annotations’].shape
>(numpy.ndarray, (1, 8144))
type(annots['annotations'][0][0]),annots['annotations'][0][0].shape
>(numpy.void, ())
从.mat中提取的数据以numpy.ndarray格式存储，此数组中的项的数据类型是numpy.void。
annots[‘annotations’][0][0][‘bbox_x1’], annots[‘annotations’][0][0][‘fname’]
> (array([[39]], dtype=uint8), array(['00001.jpg'], dtype='))
接下来我们通过循环将字典中的annotations变量信息提取出来，并将它们存储在列表中：
[item.flat[0] for item in annots[‘annotations’][0][0]]
> [39, 116, 569, 375, 14, '00001.jpg']
将数据转换成Pandas Dataframe
现在我们用python加载好matlab数据文件，为方便后续的处理，我们将数据转换为pandas格式。转换过程十分简单，具体代码如下：
data = [[row.flat[0] for row in line] for line in annots[‘annotations’][0]]
columns = [‘bbox_x1’, ‘bbox_y1’, ‘bbox_x2’, ‘bbox_y2’, ‘class’, ‘fname’]df_train = pd.DataFrame(data, columns=columns)
转换后数据形式如下:
参考
https://towardsdatascience.com/how-to-load-matlab-mat-files-in-python-1f200e1287b5
热 门 推 荐用Python创建微信机器人用Python机器人监听微信群聊用Python获取摄像头并实时控制人脸开源项目 | 用Python美化LeetCode仓库推荐Python中文社区旗下的几个服务类公众号征稿启事 | Python中文社区有奖征文
▼ 点击成为社区注册会员          「在看」一下，一起PY！