windows 创建 生成0字节空文件

写批处理脚本BAT或创建配置文件的时候需要生成空文件,汇总几种方法。

方法一

直接右键新建文本文件, 改下文件名和扩展名即可。

方法二

打开命令提示符 CMD,执行以下命令都可以创建新的空文件。

rem 此命令为注释

cd.>filename

rem cd. 表示切换到当前位置,并且不产生输出。
rem 该命令既不改变位置,也不会写入内容。


copy nul filename

rem copy 表示拷贝文件、内容
rem nul 表示空设备、空文件
rem 该命令表示复制一个空文件到另一个文件,还是空文件。
rem 仅在 CMD 有效,PowerShell 无效


type nul>filename

rem type 表示查看文件并打印到屏幕上
rem 该命令也是操作空文件nul,所以不会产生内容。
rem CMD终端执行有效


echo 2>filename
rem 2 表示输出错误句柄
rem 该命令没有错误产生,因此没有输出。
rem 还可以使用 echo contents 2>filename


fsutil file createNew filename 0

rem 创建一个指定大小的新文件,0 表示零字节

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用Python的struct库来读取bin文件,并使用pandas和numpy库来进行数据处理和计算统计指标和时频域参数。以下是一个示例代码: ```python import os import struct import pandas as pd import numpy as np import pywt # 定义窗口大小和步长 window_size = 100 step_size = 50 # 获取当前目录路径 current_dir = os.getcwd() # 创建原始csv目录 raw_csv_dir = os.path.join(current_dir, '原始csv') if not os.path.exists(raw_csv_dir): os.makedirs(raw_csv_dir) # 创建时频域特征csv目录 feature_csv_dir = os.path.join(current_dir, '时频域特征csv目录') if not os.path.exists(feature_csv_dir): os.makedirs(feature_csv_dir) def read_bin_file(file_path): # 打开bin文件并读取数据 with open(file_path, 'rb') as f: data = f.read() return data def convert_to_float(data): # 将每8个字节转为浮点数 floats = [] for i in range(0, len(data), 8): float_val = struct.unpack('f', data[i:i+4])[0] floats.append(float_val) return floats def calculate_statistics(window_data): # 计算统计指标和时频域参数 mean_value = np.mean(window_data) var_value = np.var(window_data) rms_value = np.sqrt(np.mean(np.square(window_data))) skewness = pd.Series(window_data).skew() kurtosis = pd.Series(window_data).kurt() crest_factor = np.max(np.abs(window_data)) / rms_value peak_factor = np.max(window_data) / rms_value impulse_factor = np.max(np.abs(window_data)) / np.mean(np.abs(window_data)) margin_factor = np.max(np.abs(window_data)) / np.std(window_data) return mean_value, var_value, rms_value, skewness, kurtosis, crest_factor, peak_factor, impulse_factor, margin_factor # 遍历当前目录及子目录下的所有bin文件 for root, dirs, files in os.walk(current_dir): for file in files: if file.endswith('.bin'): bin_file_path = os.path.join(root, file) # 读取bin文件 bin_data = read_bin_file(bin_file_path) # 转换为浮点数 floats = convert_to_float(bin_data) # 创建DataFrame用于存储数据 df = pd.DataFrame(columns=['1', '2', '3']) # 将数据按顺序写入DataFrame的列中 df['1'] = floats[::3] df['2'] = floats[1::3] df['3'] = floats[2::3] # 将DataFrame保存为原始csv文件 csv_file_path = os.path.join(raw_csv_dir, f'{file}.csv') df.to_csv(csv_file_path, index=False) # 创建新的DataFrame用于存储时频域特征数据 feature_df = pd.DataFrame(columns=[f'{file}_mean', f'{file}_var', f'{file}_rms', f'{file}_skew', f'{file}_kurtosis', f'{file}_crest', f'{file}_peak', f'{file}_impulse', f'{file}_margin']) # 对每列进行窗口切片,并计算统计指标和时频域参数 for col in df.columns: col_data = df[col] num_windows = (len(col_data) - window_size) // step_size + 1 for i in range(num_windows): window_data = col_data[i*step_size : i*step_size + window_size] # 计算统计指标和时频域参数 result = calculate_statistics(window_data) # 将结果添加到新的DataFrame feature_df.loc[i] = result # 将时频域特征数据保存为新的csv文件 feature_csv_file_path = os.path.join(feature_csv_dir, f'{file}_features.csv') feature_df.to_csv(feature_csv_file_path, index=False) ``` 以上代码会遍历当前目录及子目录下的所有bin文件,将每个bin文件的数据按每8个字节转为浮点数,并按顺序写入DataFrame的1、2、3列。然后将数据保存为原始csv文件,并按原bin文件名命名。接着,对每个原始csv文件的每列进行窗口切片,计算均值、方差、有效值、RMS、偏度、峭度、波形因子、峰值因子、脉冲因子和裕度因子等时频域参数。最后,将时频域特征数据保存为新的csv文件,并按原bin文件名+列命名。请确保在当前目录下存在"原始csv"和"时频域特征csv目录"两个文件夹。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值