我正在生成约 100 万个文本文件，其中包含双精度数组，制表符分隔（这些是用于研究的模拟）。下面的示例输出。我预计每百万个文本文件约为 5 TB，这是不可接受的。所以我需要压缩。
但是，我所有的数据分析都将在 matlab 中完成。每个 matlab 脚本都需要访问所有数以百万计的这些文本文件。我无法使用 C++ 解压整百万，然后运行 matlab 脚本，因为我缺乏高清空间。所以我的问题是，是否有一些非常简单、易于实现的算法或其他方法来减少我的文本文件大小，以便我可以用 C++ 编写压缩并在 matlab 中读取它？
示例文本文件
0.0220874 0.00297818 0.000285954 1.70E-05 1.52E-07
0.0542912 0.00880725 0.000892849 6.94E-05 4.51E-06
0.0848582 0.0159799 0.00185915 0.000136578 7.16E-06
0.100415 0.0220033 0.00288016 0.000250445 1.38E-05
0.101889 0.0250725 0.00353148 0.000297856 2.34E-05
0.0942061 0.0256 0.00393893 0.000387219 3.01E-05
0.0812377 0.0238492 0.00392418 0.000418365 4.09E-05
0.0645259 0.0206528 0.00372185 0.000419891 3.23E-05
0.0487525 0.017065 0.00313825 0.00037539 3.68E-05
如果重要的话..完整的文本文件代表联合概率质量函数，所以它们总和为 1。我需要无损压缩。
更新这是一个用 C++ 编写二进制文件并在 Matlab 中阅读的 IDIOTS 指南，其中有一些非常基本的解释。
将小数组写入二进制文件的 C++ 代码。
#include <iostream>
using namespace std;
int main()
{
float writefloat;
const int rows=2;
const int cols=3;
float JPDF[rows][cols];
JPDF[0][0]=.19493;
JPDF[0][1]=.111593;
JPDF[0][2]=.78135;
JPDF[1][0]=.33333;
JPDF[1][1]=.151535;
JPDF[1][2]=.591355;
JPDF 是一个浮点类型的数组，我将 6 个值保存到其中。这是一个 2x3 数组。
FILE * out_file;
out_file = fopen ( "test.bin" , "wb" );
老实说，我不太明白第一行在做什么。它似乎正在制作一个名为 out_file 的 FILE 类型的指针。第二行 fopen 表示为写入创建一个新文件（第二个参数的“w”），并将其设为二进制文件（wb 的“b”）。
fwrite(&rows,sizeof(int),1,out_file);
fwrite(&cols,sizeof(int),1,out_file);
在这里，我对数组的大小进行编码（# rows，# cols）。请注意，我们写的是对变量 rows 和 cols 的引用，而不是变量本身（& 是通过 ref）。第二个参数告诉它要写入多少字节。由于行和列都是整数，所以我使用 sizeof(int)。“1”表示执行此操作 1 次。我认为。out_file 是指向我们正在写入的文件的指针。
for (int i=0; i<3; i++)
{
for (int j=0; j<2; j++)
{
writefloat=JPDF[j][i];
fwrite (&writefloat , sizeof(float), 1, out_file);
}
}
fclose (out_file);
return 0;
}
现在我将遍历我的数组并将每个值以字节为单位写入我的文件。索引有点向后看，因为我正在向下迭代每一列，而不是遍历内部循环中的一列。我们将在几秒钟内了解原因。同样，我正在编写对 writefloat 的引用，它在每次迭代中采用当前数组元素的值。由于每个数组元素都是一个浮点数，我在这里使用 sizeof(float) 而不是 sizeof(int)。
为了难以置信，愚蠢地清楚，这是我如何看待我们刚刚创建的文件的图表。
[4 bytes: rows][4 bytes: cols][4 bytes: JPDF[0][0]][4 bytes: JPDF[1][0]] ...
[4 bytes: JPDF[1][2]]
..其中每个字节块都以二进制（0 和 1）写入。
在 MATLAB 中解释：
FID=fopen('test.bin');
sizes=fread(FID,2,'int')
FID 有点像这里的指针。偷偷地，它可能是一个指针。然后我们使用与 C++ fread 非常相似的 fread。FID 是我们指向文件的“指针”。'int' 告诉函数每个块包含多少字节。所以sizes=fread(FID,2,'int')说'以二进制打开 FID，并读取 2 个大小为 INT 字节的块，并以向量形式返回 2 个元素。现在，sizes(1)=rows，sizes(2)=cols。
s=fread(FID,[sizes(1) sizes(2)],'float')
下一部分最初对我来说并不完全清楚，我想我必须告诉 fread 跳过包含行/列信息的二进制文件的“标题”。然而，它秘密地维护着一个指向你离开的地方的指针。所以现在我清空二进制文件的其余部分，使用我知道数组维度的事实。请注意，虽然第二个参数 [M,N] 是 [rows,cols]，但 fread 按“列顺序”读取，这就是我们按列顺序写入数组数据的原因。
一个 * 是我认为如果 C++ 程序的体系结构与 matlab 一致（例如，两者都是 64 位，或者都是 32 位），我只能使用 matlab 代码“int”和“float”。但我不确定这一点。
输出是：
sizes =
2
3
s =
0.194930002093315 0.111593000590801 0.781350016593933
0.333330005407333 0.151535004377365 0.59135502576828