cdfread

读取常用数据格式 (CDF) 文件中的数据

语法

data = cdfread(filename) data = cdfread(filename,param1,val1,param2,val2,...) [data,info] = cdfread(filename,...)

说明

data = cdfread(filename) 读取由 filename 指定的常用数据格式 (CDF) 文件中的所有数据。将 filename 指定为字符串标量或字符向量。CDF 数据集通常包含一组特定数据类型的变量，每个变量具有一个关联的记录集。变量可能表示时间值，其中每条记录表示记录观测值的特定时间。cdfread 返回元胞数组中的所有数据，其中每列表示一个变量并且每行表示与变量关联的记录。如果变量具有不同的关联记录数，则 cdfread 会使用 CDF 文件中定义的填充值填充各行，以创建一个矩形元胞数组。

注意

因为 cdfread 将创建临时文件，所以当前工作目录必须是可写的。

data = cdfread(filename,param1,val1,param2,val2,...) 读取文件中的数据，其中 param1、param2 等可以是下表中列出的任何参数。

[data,info] = cdfread(filename,...) 返回有关 info 结构体中的 CDF 文件的详细信息。

参数	值
`"Records"`	指定要读取的记录的向量。记录编号从 0 开始。`cdfread` 返回一个元胞数组，其中的行数与所读取的记录数相同，其中的列数与变量中的列数相同。
`"Variables"`	一个 1×n 或 n×1 元胞数组，指定要从文件中读取的变量的名称。n 必须小于或等于文件中变量的总数。`cdfread` 返回一个元胞数组，其中的列数与所读取的变量数相同，所读取的每个记录对应一行。
`"Slices"`	一个 m×3 数组，其中每行指定要沿变量的特定维度开始读取的位置、要对该维度使用的跳过间隔（每个项目、每隔一个项目等），以及要读取的该维度中的值总数。m 必须小于或等于变量的维度数。如果 m 小于维度的总数，则 `cdfread` 将读取未指定的维度中的每个值（`[0 1 n]`），其中 n 是该维度中的元素总数。注意：由于 `'Slices'` 参数描述处理单个变量的方式，因此它必须与 `'Variables'` 参数结合使用。
`"ConvertEpochToDatenum"`	一个布尔值，确定 `cdfread` 是否自动将 CDF 纪元数据类型转换为 MATLAB^® 日期序列值。如果设置为 `false`（默认值），则 `cdfread` 会将纪元值包含于 MATLAB `cdfepoch` 对象中。注意：要在读取大型数据集时获得更好的性能，请将此参数设置为 `true`。注意：如果使用 `"ConvertEpochToDatenum"` 参数，则无法使用 `"DatetimeType"` 参数。
`"DatetimeType"`	用于控制 `CDF_TIME_TT2000` 和 `CDF_EPOCH` 数据类型的返回类型的字符串标量或字符向量。如果设置为 `"datetime"`（默认为 `CDF_TIME_TT2000`），则 `cdfread` 返回类型为 `datetime` 的值；如果设置为 `"native"`，则 `cdfread` 返回类型为 `int64` 的 `CDF_TIME_TT2000` 值和类型为 `double` 的 `CDF_EPOCH` 值。注意：如果使用 `"DatetimeType"` 参数，则无法使用 `"ConvertEpochToDatenum"` 参数。
`"CombineRecords"`	一个布尔值，确定 `cdfread` 如何返回从文件中读取的 CDF 数据集。如果设置为 `false`（默认值），`cdfread` 会将数据存储在一个 m×n 元胞数组中，其中 m 是记录数，n 是请求的变量数。如果设置为 `true`，`cdfread` 会将特定变量的所有记录合并到输出元胞数组中的单个元胞中。在此元胞中，`cdfread` 将标量数据存储为列数组。`cdfread` 将扩展非标量和字符串数据的维度。例如，不是为每个记录创建包含 20×30 个数组的 1000 个元素，`cdfread` 将一个元胞中的所有记录存储为一个 1000×20×30 数组。注意：如果您使用 `"Records"` 参数指定要读取的记录，则不能使用 `"CombineRecords"` 参数。注意：使用 `"Variable"` 参数读取一个变量时，如果 `"CombineRecords"` 参数为 `true`，`cdfread` 将以 m×n 数值或字符数组形式返回数据，而不是将数据置于元胞数组中。

注意

要改善使用大型数据文件时的性能，可使用 "ConvertEpochToDatenum" 和 "CombineRecords" 选项。

注意

要改善性能，请禁用打开文件时 CDF 库默认执行的文件验证。有关详细信息，请参阅 cdflib.setValidate。

示例

全部折叠

读取 CDF 数据

打开实时脚本

读取 CDF 文件中的所有数据。

data = cdfread("example.cdf");

读取 CDF 变量

打开实时脚本

从 CDF 变量 'Time' 中读取数据。

data = cdfread("example.cdf","Variable",{"Time"});

读取选定的 CDF 数据

打开实时脚本

读取第一个维度中的第一个值，第二个维度中的第二个值，第三个维度中的第一个和第三个值，以及 CDF 变量 'multidimensional' 的剩余维度中的所有值。

data = cdfread("example.cdf","Variable",{'multidimensional'},"Slices", [0 1 1; 1 1 1; 0 2 2]);

这类似于将整个变量读取到 data 中，然后使用矩阵索引。

data = cdfread("example.cdf","Variable",{'multidimensional'});
data{1}(1,2,[1 3],:);

折叠 CDF 数据

打开实时脚本

折叠数据集中的记录，然后将 CDF 纪元数据类型转换为 MATLAB 日期序列值。

data = cdfread("example.cdf","CombineRecords",true,"ConvertEpochToDatenum",true);

使用 `cdfread` 读取和转换 `CDF_TIME_TT2000` 示例数据

打开实时脚本

此示例说明如何使用 cdfread 来读取 CDF_TIME_TT2000 数据。

浏览示例 CDF 文件中的数据。

info = cdfinfo("example_364.cdf");
info.Variables

ans=8×6 cell array
  Columns 1 through 5

    {'Time'            }    {[    1 1]}    {[24]}    {'epoch' }    {'T/'    }
    {'Longitude'       }    {[    2 2]}    {[ 1]}    {'int8'  }    {'F/FT'  }
    {'Latitude'        }    {[    2 2]}    {[ 1]}    {'int8'  }    {'F/TF'  }
    {'Data'            }    {[  2 2 4]}    {[ 1]}    {'double'}    {'T/TTT' }
    {'multidimensional'}    {[2 2 3 4]}    {[ 1]}    {'uint8' }    {'T/TTTT'}
    {'Temperature'     }    {[    3 2]}    {[10]}    {'int16' }    {'T/TT'  }
    {'multiInt8'       }    {[    2 3]}    {[ 2]}    {'int64' }    {'T/TT'  }
    {'tt2000'          }    {[    1 1]}    {[ 8]}    {'tt2000'}    {'T/'    }

  Column 6

    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}

读取 CDF_TIME_TT2000 数据，并检查第三、第四和第五个条目。

tt2000Data = cdfread("example_364.cdf","Variables","tt2000");
tt2000Data{3:5}

ans = datetime
   2016-12-31T23:59:59.100200300Z

ans = datetime
   2016-12-31T23:59:60.100200300Z

ans = datetime
   2017-01-01T00:00:00.100200300Z

使用 `cdfread` 以本机形式读取和转换 `CDF_TIME_TT2000` 示例数据

打开实时脚本

此示例说明如何使用 cdfread 以本机形式读取 CDF_TIME_TT2000 数据作为 CDF_TIME_TT2000 时间戳，然后将这些时间戳分解为单独的时间分量。

浏览示例 CDF 文件中的数据。

info = cdfinfo("example_364.cdf");
info.Variables

ans=8×6 cell array
  Columns 1 through 5

    {'Time'            }    {[    1 1]}    {[24]}    {'epoch' }    {'T/'    }
    {'Longitude'       }    {[    2 2]}    {[ 1]}    {'int8'  }    {'F/FT'  }
    {'Latitude'        }    {[    2 2]}    {[ 1]}    {'int8'  }    {'F/TF'  }
    {'Data'            }    {[  2 2 4]}    {[ 1]}    {'double'}    {'T/TTT' }
    {'multidimensional'}    {[2 2 3 4]}    {[ 1]}    {'uint8' }    {'T/TTTT'}
    {'Temperature'     }    {[    3 2]}    {[10]}    {'int16' }    {'T/TT'  }
    {'multiInt8'       }    {[    2 3]}    {[ 2]}    {'int64' }    {'T/TT'  }
    {'tt2000'          }    {[    1 1]}    {[ 8]}    {'tt2000'}    {'T/'    }

  Column 6

    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}
    {'Full'}

以本机形式读取 CDF_TIME_TT2000 数据，并将数据分解为单独的时间分量。

tt2000Data = cdfread("example_364.cdf","Variables","tt2000","DateTimeType","native");
timeArr = cdflib.breakdownTT2000([tt2000Data{:}])

timeArr = 9×8

        2016        2016        2016        2016        2017        2017        2017        2017
          12          12          12          12           1           1           1           1
          31          31          31          31           1           1           1           1
          23          23          23          23           0           0           0           0
          59          59          59          59           0           0           0           0
          57          58          59          60           0           1           2           3
         100         100         100         100         100         100         100         100
         200         200         200         200         200         200         200         200
         300         300         300         300         300         300         300         300