Matlab基础篇：数据输入输出

前言

数据输入和输出是 Matlab 数据分析和处理的核心部分。良好的数据输入输出能够提高工作效率，并确保数据处理的准确性。本文将详细介绍 Matlab 数据输入输出的各种方法，包括导入和导出数据、数据处理和数据可视化。

一、导入数据

Matlab 提供了多种方法导入外部数据文件，包括文本文件、Excel 表格、数据库等。以下是几种常用的导入数据方法。

  1. 导入文本文件
    • 使用 load 函数导入简单的文本文件：

    data = load('data.txt');  % 导入 txt 文件

  • 使用 fscanf 和 fgets 函数读取特定格式的文本文件：

    fid = fopen('data.txt', 'r');  % 打开文件data = fscanf(fid, '%f');      % 逐行读取数据fclose(fid);                   % 关闭文件

  1. 导入 CSV 文件
    • 使用 csvread 函数导入 CSV 文件：

    csv_data = csvread('data.csv');  % 读取 CSV 文件

  • 使用 readtable 函数导入 CSV 文件，并将数据存储在一个表中，便于后续处理：

    table_data = readtable('data.csv');  % 读取 CSV 文件到表

  1. 导入 Excel 文件
    • 使用 xlsread 函数导入 Excel 文件：

    [num, txt, raw] = xlsread('data.xlsx');  % 读取 Excel 文件

  • 使用 readmatrix 和 readcell 函数导入 Excel 文件：

    matrix_data = readmatrix('data.xlsx');  % 读取 Excel 文件中的数值数据cell_data = readcell('data.xlsx');  % 读取 Excel 文件中的所有数据

  1. 从数据库导入数据
    • 通过 database 函数连接到数据库，并使用 SQL 查询语句进行数据导入：

    conn = database('database_name', 'username', 'password');  % 连接到数据库curs = exec(conn, 'SELECT * FROM table_name');  % 执行 SQL 查询curs = fetch(curs);  % 获取查询结果db_data = curs.Data;  % 保存数据close(conn);  % 关闭数据库连接

以下是几种常用的导入数据方法总结：

导入方法函数示例说明
文本文件loaddata = load('data.txt');适用于简单数字文本文件
文本文件fscanf, fgetsfscanf(fid, '%f');适用于特定格式的文本文件
CSV 文件csvreadcsv_data = csvread('data.csv');导入 CSV 文件
CSV 文件readtabletable_data = readtable('data.csv');导入 CSV 文件到表
Excel 文件xlsread[num, txt, raw] = xlsread('data.xlsx');导入 Excel 文件
Excel 文件readmatrix, readcellmatrix_data = readmatrix('data.xlsx');导入 Excel 文件中的数据
数据库database, exec, fetchconn = database(...); curs = exec(...);从数据库导入数据

二、导出数据

在数据处理和分析完毕之后，常常需要将结果导出到文件中保存或与他人共享。Matlab 提供了多种导出数据的方法。

  1. 导出到文本文件
    • 使用 save 函数导出变量到 .mat 文件（Matlab 专用格式）：

    save('result.mat', 'data');  % 将变量 data 保存到 result.mat 文件

  • 使用 fprintf 函数导出数据到文本文件：

    fid = fopen('result.txt', 'w');  % 打开文件fprintf(fid, '%.2f\n', data);    % 将数据写入文件fclose(fid);                     % 关闭文件

  1. 导出到 CSV 文件
    • 使用 csvwrite 函数将数据导出到 CSV 文件：

    csvwrite('result.csv', data);  % 将数据保存到 CSV 文件

  • 使用 writetable 函数将表格导出到 CSV 文件：

    writetable(table_data, 'result.csv');  % 将表格数据保存到 CSV 文件

  1. 导出到 Excel 文件
    • 使用 xlswrite 函数将数据导出到 Excel 文件：

    xlswrite('result.xlsx', data);  % 将数据保存到 Excel 文件

  • 使用 writematrix 和 writecell 函数将数据导出到 Excel 文件：

    writematrix(matrix_data, 'result.xlsx');  % 将矩阵数据保存到 Excel 文件writecell(cell_data, 'result.xlsx');  % 将元胞数据保存到 Excel 文件

以下是几种常用的导出数据方法总结：

导出方法函数示例说明
文本文件savesave('result.mat', 'data');保存到 Matlab 专用格式
文本文件fprintffprintf(fid, '%.2f\n', data);导出到文本文件
CSV 文件csvwritecsvwrite('result.csv', data);保存到 CSV 文件
CSV 文件writetablewritetable(table_data, 'result.csv');将表格保存到 CSV 文件
Excel 文件xlswritexlswrite('result.xlsx', data);保存到 Excel 文件
Excel 文件writematrix, writecellwritematrix(data, 'result.xlsx');将矩阵或元胞保存到 Excel 文件

三、数据处理

在数据导入之后，我们常常需要对数据进行一些处理，如排序、筛选、统计和清理。

  1. 数据排序
    • 使用 sort 函数对数组或矩阵进行排序：

    sorted_data = sort(data);  % 对数组进行排序sorted_matrix = sortrows(matrix_data);  % 对矩阵的行进行排序

  1. 数据筛选
    • 使用逻辑索引对数据进行筛选：

    filtered_data = data(data > 10);  % 筛选出大于 10 的数据

  1. 数据统计
    • 使用 Matlab 提供的统计函数对数据进行统计分析：

    mean_data = mean(data);      % 计算平均值std_data = std(data);        % 计算标准差median_data = median(data);  % 计算中位数

  1. 数据清理
    • 使用 isnan 和 fillmissing 函数对缺失数据进行标记和处理：

    data_with_nan = [1, 2, NaN, 4];idx_nan = isnan(data_with_nan);  % 标记缺失数据data_filled = fillmissing(data_with_nan, 'linear');  % 使用线性插值填补缺失数据

以下是常见数据处理方法的总结：

数据处理方法函数示例说明
数据排序sort, sortrowssorted_data = sort(data);对数组或矩阵进行排序
数据筛选逻辑索引filtered_data = data(data > 10);筛选出特定条件的数据
数据统计mean, std, medianmean_data = mean(data);计算平均值、中位数、标准差
数据清理isnan, fillmissingdata_filled = fillmissing(data_with_nan, 'linear');处理缺失数据

四、数据可视化

数据处理完毕之后，我们可以通过数据可视化来更直观地展示数据。Matlab 提供了丰富的数据可视化工具，能够绘制各种类型的图形，用于数据分析和展示。

  1. 绘制基本图形
    • 二维线图：使用 plot 函数绘制基本的二维线图。

        x = 0:0.1:10;y = sin(x);plot(x, y);  % 绘制二维线图title('Sine Wave');xlabel('x');ylabel('sin(x)');grid on;  % 打开网格

  • 散点图：使用 scatter 函数绘制二维散点图。

        x = randn(100, 1);y = randn(100, 1);scatter(x, y, 'filled');title('Scatter Plot');xlabel('x');ylabel('y');grid on;

  • 柱状图：使用 bar 函数绘制柱状图。

        categories = {'A', 'B', 'C', 'D', 'E'};values = [10, 20, 30, 25, 15];bar(categorical(categories), values);title('Bar Graph');xlabel('Category');ylabel('Values');

  1. 绘制高级图形
    • 箱线图：使用 boxplot 函数绘制箱线图，用于显示数据分布和异常值。

        data = randn(100, 5);boxplot(data);title('Box Plot');xlabel('Category');ylabel('Values');

  • 热图：使用 heatmap 函数绘制热图，主要用于展示矩阵数据的大小和分布。

        data = rand(10, 10);heatmap(data);title('Heatmap');

  • 三维表面图：使用 surf 函数绘制三维表面图。

        [X, Y] = meshgrid(-3:0.1:3, -3:0.1:3);Z = sin(sqrt(X.^2 + Y.^2));surf(X, Y, Z);title('Surface Plot');xlabel('X');ylabel('Y');zlabel('Z');grid on;

下表总结了一些常用的绘图函数及其示例：

图形类型函数示例说明
二维线图plotplot(x, y);绘制二维线图
散点图scatterscatter(x, y, 'filled');绘制二维散点图
柱状图barbar(categorical(cat), values);绘制柱状图
箱线图boxplotboxplot(data);绘制箱线图
热图heatmapheatmap(data);绘制热图
三维表面图surfsurf(X, Y, Z);绘制三维表面图

  1. 数据绘图示例
    下面通过一个综合示例，展示如何进行数据读取、处理、绘图的全过程。

示例：从 CSV 文件中导入数据，进行简单的数据处理，并绘制几种图形展示结果。

假设有一个 CSV 文件 data.csv，内容如下：

ID,Value1,Value2
1,10,100
2,15,110
3,20,105
4,25,95
5,30,120

  1. 导入数据

    % 导入数据到表格data = readtable('data.csv');

  1. 数据处理

    % 计算 Value1 和 Value2 的平均值mean_val1 = mean(data.Value1);mean_val2 = mean(data.Value2);% 筛选出 Value1 大于 20 的数据filtered_data = data(data.Value1 > 20, :);

  1. 数据可视化

    % 绘制折线图figure;subplot(2, 2, 1);plot(data.ID, data.Value1, '-o', 'DisplayName', 'Value1');hold on;plot(data.ID, data.Value2, '-s', 'DisplayName', 'Value2');title('Line Plot of Values');xlabel('ID');ylabel('Values');legend('show');grid on;% 绘制散点图subplot(2, 2, 2);scatter(data.Value1, data.Value2, 'filled');title('Scatter Plot of Value1 vs Value2');xlabel('Value1');ylabel('Value2');grid on;% 绘制柱状图subplot(2, 2, 3);bar(categorical(data.ID), [data.Value1, data.Value2]);title('Bar Graph of Values');xlabel('ID');ylabel('Values');legend({'Value1', 'Value2'});grid on;% 绘制箱线图subplot(2, 2, 4);boxplot([data.Value1, data.Value2], {'Value1', 'Value2'});title('Box Plot of Values');ylabel('Values');

通过此综合示例，我们从 CSV 文件中导入数据，进行了简单的数据处理，并绘制了折线图、散点图、柱状图和箱线图，用于展示和分析数据。

五、总结

本文详细介绍了 Matlab 的数据输入输出功能，包括如何导入和导出文本文件、CSV 文件、Excel 文件以及数据库中的数据。同时，通过数据处理方法，如数据排序、筛选、统计和清理，对导入的数据进行了处理。最后，介绍了数据可视化工具，通过各种图形展示数据处理结果。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/360491.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Go自定义数据的序列化流程

Go自定义数据的序列化流程

💝💝💝欢迎莅临我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。 推荐:「stormsha的主页」…
阅读更多...
【计算机毕业设计】167校园失物招领微信小程序

【计算机毕业设计】167校园失物招领微信小程序

🙊作者简介：拥有多年开发工作经验，分享技术代码帮助学生学习，独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。🌹赠送计算机毕业设计600个选题excel文件，帮助大学选题。赠送开题报告模板&#xff…
阅读更多...
导出 S 参数扫描结果供 INTERCONNECT 使用

导出 S 参数扫描结果供 INTERCONNECT 使用

导出 S 参数扫描结果供 INTERCONNECT 使用 正文正文 有时候，对于 FDTD 无法直接进行仿真的大型仿真链路，我们需要使用 FDTD 针对单个小的模块进行仿真，再将得到的 S 参数结果导入到 INTERCONNECT 中使用，最终完成整个链路的仿真。通常完成 S 参数扫描后其状态如下图所示：…
阅读更多...
QT拖放事件之八：通过全局剪切板中的接口QClipboard::mimeData()来获取MIME类型数据

QT拖放事件之八：通过全局剪切板中的接口QClipboard::mimeData()来获取MIME类型数据

1、演示效果 首先向剪切板写入数据，然后点击paste按钮进行从全局剪切板中 获取 MIME数据。。。 2、核心代码 void Widget::on_pasteBtn_clicked() {const QClipboard* clipBoard = QGuiApplication::clipboard()
阅读更多...
非强化学习的对齐方法

非强化学习的对齐方法

在文章《LLM对齐“3H原则”》和《深入理解RLHF技术》中，我们介绍了大语言模型与人类对齐的“3H原则”，以及基于人类反馈的强化学习方法（RLHF），本文将继续介绍另外一种非强化学习的对齐方法：直接偏好优化&am…
阅读更多...
kafka--发布-订阅消息系统

kafka--发布-订阅消息系统

1. Kafka概述 1. kafka是什么 kafka是分布式的、高并发的、基于发布/订阅模式的消息队列软件系统。 kafka中的重要组件 Producer：消息生产者，发布消息到Kafka集群的终端或服务Consume：消费者，从Kafka集群中消费消息的终端或服…
阅读更多...
安达发|生产制造业怎么做好一体化生产计划排产？

安达发|生产制造业怎么做好一体化生产计划排产？

在生产制造业中，一体化生产计划排产是确保生产效率和产品质量的关键。要实现这一目标，企业需要采用高级排产软件（APS）来优化生产流程。以下是如何利用APS软件做好一体化生产计划排产的详细步骤和建议： 1. 需求分析与数…
阅读更多...
1.2 DataX 数据同步工具详细教程

1.2 DataX 数据同步工具详细教程

DataX 是阿里巴巴开源的一款高效的数据同步工具，旨在实现多种异构数据源之间的高效数据同步。以下是对 DataX 的详细介绍： 架构 DataX 的架构主要包括以下几个核心组件： DataX Core：负责任务调度、插件加载、日志管理等核心功能…
阅读更多...
SSM爱心捐赠物资维护系统-计算机毕业设计源码09536

SSM爱心捐赠物资维护系统-计算机毕业设计源码09536

摘要 随着信息技术的快速发展，计算机应用已经进入成千上万的家庭。随着物资数量的增加，物资库存管理也存在许多问题。物资数据的处理量正在迅速增加，原来的手工管理模式不适合这种形式。使用计算机可以完成数据收集、处理和分析，减…
阅读更多...
从0搭建一个vue项目，不使用脚手架从html到vue

从0搭建一个vue项目，不使用脚手架从html到vue

前言 从最开始学习web网页开始，搭建一个网页只需要创建一个html文件对其进行编写dom标签语言即可；后来分离了html，css和js，搭建一个网页开始需要文件夹，文件夹包含了这3类文件以及静态文件，图片&#xff0c…
阅读更多...
常见的跨域场景

常见的跨域场景

我们在解决一个问题的时候应该先去了解这个问题是如何产生的，为什么会有跨域的存在呢？其实，最终的罪魁祸首都是浏览器的同源策略，浏览器的同源策略限制我们只能在相同的协议、IP地址、端口号相同，如果有任何一个不通&a…
阅读更多...
【学习笔记】CSS

【学习笔记】CSS

CSS 1、 基础篇 1.1、选择器 1.2、长度单位 1.3、CSS2 常用属性 1.4、盒模型 1.5、浮动 1.6、定位 position2、 CSS3 2.1、新增长度单位 2.2、新增颜色表示 2.3、新增选择器 2.4、新增盒子属性 2.5、新增背景属性 …
阅读更多...
DDP（Differential Dynamic Programming）算法举例

DDP（Differential Dynamic Programming）算法举例

DDP（Differential Dynamic Programming）算法 基本原理 DDP（Differential Dynamic Programming）是一种用于求解非线性最优控制问题的递归算法。它基于动态规划的思想，通过线性化系统的动力学方程和二次近似代价函数，递归地优化控制策略。DDP的核心在于利用局部二次近似来…
阅读更多...
04 Shell编程之正则表达式与文本处理器

04 Shell编程之正则表达式与文本处理器

目录 4.1 正则表达式 4.1.1 正则表达式概述 1. 正则表达式的定义 2. 正则表达式用途 4.1.2 基础正则表达式 1. 基础正则表达式示例 1. 查找特点字符 2. 利用中括号"[]"来查找集合字符 3. 查找行首"^"与行尾字符"$" 4. 查找任意一个字符".&…
阅读更多...
强化学习-RLHF-PPO入门

强化学习-RLHF-PPO入门

一、定义 强化学习微调分类RM模型 数据集格式训练流程Reward 模型训练流程(分类模型，积极为1，消极为0) AutoModelForSequenceClassificationReward 模型训练案例PPO模型训练流程PPO模型训练案例 二、实现 强化学习微调分类 RLHF:基于人类反馈对语言模型…
阅读更多...
实战案例：如何用ChatGPT生成适合不同领域的高质量文章

实战案例：如何用ChatGPT生成适合不同领域的高质量文章

随着人工智能技术的飞速发展，生成高质量文章已经不再是难题。特别是OpenAI开发的ChatGPT，更是为写作工作带来了极大的便利。那么，如何用ChatGPT生成适合不同领域的高质量文章呢？本文将通过实战案例，为大家详细讲解这一…
阅读更多...
JavaScript的学习之事件的简介

JavaScript的学习之事件的简介

目录 一、事件是什么 二、如何处理事件 一、事件是什么 定义：事件就是浏览器和用户之间的交互行为。 例如：点击按钮、鼠标移动、关闭窗口等。 二、如何处理事件 我们可以在对应的事件属性中设置一些JS行为，当事件触发的时候会将这些代码执行…
阅读更多...
C++11基础

C++11基础

一、C11简介 在2003年C标准委员会曾经提交了一份技术勘误表(简称TC1)，使得C03这个名字已经取代了 C98称为C11之前的最新C标准名称。不过由于C03(TC1)主要是对C98标准中的漏洞 进行修复，语言的核心部分则没有改动，因此人们习惯性的把两个标准合…
阅读更多...
win系统关闭两项垃圾功能

win系统关闭两项垃圾功能

直接上图： 1、传递优化 2、隐私选项
阅读更多...
Go语言环境安装

Go语言环境安装

Go下载地址 哪个能用用哪个。 https://go.dev/ https://golang.google.cn/（Golang官网的官方镜像） Windows 使用.msi安装包安装 下载msi文件 安装 双击运行go1.22.4.windows-amd64.msi Next 勾选I accept the terms in the License Agreement&…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023