Создайте datastore из файла примера, airlinesmall.csv, который содержит табличные данные.

ds = tabularTextDatastore('airlinesmall.csv','TreatAsMissing','NA','MissingValue',0);

Измените SelectedVariableNames свойство задать переменные интереса.

ds.SelectedVariableNames = {'DepTime','ArrTime','ActualElapsedTime'};

В то время как существуют доступные данные, которые будут считаны из datastore, считайте один блок данных за один раз и анализируйте данные. В этом примере суммируйте фактическое прошедшее время.

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

Просмотрите сумму фактического прошедшего времени.

sumElapsedTime

sumElapsedTime = 14531797

Создайте datastore из файла примера, mapredout.mat, который является выходным файлом mapreduce функция.

ds = datastore('mapredout.mat');

Считайте подмножество данных в datastore.

T = read(ds)

T=1×2 table
     Key        Value  
    ______    _________

    {'AA'}    {[14930]}

Измените количество пар "ключ-значение", чтобы читать за один раз путем изменения ReadSize свойство datastore.

ds.ReadSize = 5;

Считайте следующие пять пар "ключ-значение" в datastore.

T = read(ds)

T=5×2 table
     Key        Value  
    ______    _________

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

Создайте datastore, который обеспечивает четность между парой изображений базовых хранилищ данных. Например, создайте два отдельных хранилища данных изображений, и затем создайте объединенный datastore, который читает соответствующие изображения из двух хранилищ данных изображений.

Создайте datastore изображений imds1 представление набора трех изображений.

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

Создайте второй datastore imds2 содержа маску ярких областей трех изображений. Чтобы создать этот datastore, сначала преобразуйте изображения imds1 к шкале полутонов. Затем преобразуйте каждое изображение в бинарную маску путем выполнения пороговой обработки. В этом примере операция пороговой обработки сопоставляет пиксели со значением выше порога (250) белому и всем другим пикселям к черному цвету.

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

Создайте объединенный datastore из imds1 и imds2.

imdsCombined = combine(imds1,imds2);

Считайте первое подмножество данных из объединенного datastore. Выход является 1 2 массивом ячеек. Эти два столбца представляют первое подмножество данных, считанных из двух базовых хранилищ данных imds1 и imds2, соответственно.

dataOut = read(imdsCombined)

dataOut=1×2 cell array
    {384x512x3 uint8}    {384x512 logical}

Отобразите данные о чтении из объединенного datastore как пара мозаичных изображений.

tile = imtile(dataOut);
imshow(tile)

Читайте из объединенного datastore снова. Этот вызов read функция продолжает читать из конечной точки предыдущего вызова.

dataOut = read(imdsCombined)

dataOut=1×2 cell array
    {480x640x3 uint8}    {480x640 logical}

Отобразите данные о чтении.

tile = imtile(dataOut);
imshow(tile)