read

根据示例文件 airlinesmall_subset.csv（包含表格数据）创建一个数据存储。

ds = tabularTextDatastore("airlinesmall_subset.csv","TreatAsMissing","NA","MissingValue",0);

修改 SelectedVariableNames 属性以指定相关变量。

ds.SelectedVariableNames = ["DepTime","ArrTime","ActualElapsedTime"];

当存在可从数据存储中读取的数据时，一次读取一个数据块并分析该数据。在此示例中，求实际已用时间之和。

sumElapsedTime = 0;
while hasdata(ds)
    T = read(ds);
    sumElapsedTime = sumElapsedTime + sum(T.ActualElapsedTime);
end

查看实际已用时间的和。

sumElapsedTime

sumElapsedTime = 
154759

根据示例文件 mapredout.mat（mapreduce 函数的输出文件）创建一个数据存储。

ds = datastore('mapredout.mat');

读取数据存储中的部分数据。

T = read(ds)

T=1×2 table
     Key        Value  
    ______    _________

    {'AA'}    {[14930]}

通过更改数据存储的 ReadSize 属性更改一次读取的键-值对组数。

ds.ReadSize = 5;

读取数据存储中随后的五个键-值对组。

T = read(ds)

T=5×2 table
     Key        Value  
    ______    _________

    {'AS'}    {[ 2910]}
    {'CO'}    {[ 8138]}
    {'DL'}    {[16578]}
    {'EA'}    {[  920]}
    {'HP'}    {[ 3660]}

创建一个数据存储，用于维护基础数据存储的图像对之间的奇偶校验。例如，创建两个单独的图像数据存储，然后创建一个从这两个图像数据存储中读取对应图像的合并数据存储。

创建一个表示三个图像的集合的图像数据存储 imds1。

imds1 = imageDatastore({'peppers.png','street1.jpg','street2.jpg'}); 

创建第二个数据存储 imds2，其中包含三个图像中明亮区域的蒙板。要创建此数据存储，请首先将 imds1 的图像转换为灰度图像。然后通过执行阈值处理将每个图像转换为二值掩膜。在此示例中，阈值操作将高于阈值 (250) 的像素映射为白色，将所有其他像素映射为黑色。

imds2 = transform(imds1,@(x) im2gray(x)>250);

基于 imds1 和 imds2 创建一个合并数据存储。

imdsCombined = combine(imds1,imds2);

从合并数据存储中读取第一个数据子集。输出是一个 1×2 元胞数组。两列表示分别从两个基础数据存储 imds1 和 imds2 读取的第一个数据子集。

dataOut = read(imdsCombined)

dataOut=1×2 cell array
    {384×512×3 uint8}    {384×512 logical}

将从合并数据存储中读取的数据显示为一对分块图像。

tile = imtile(dataOut);
imshow(tile)

再次从合并数据存储中读取。对 read 函数的此调用继续从上一调用的端点读取。

dataOut = read(imdsCombined)

dataOut=1×2 cell array
    {480×640×3 uint8}    {480×640 logical}

显示读取的数据。

tile = imtile(dataOut);
imshow(tile)