【精选】用matlab进行xlsx表格的提取和操作 |
您所在的位置：网站首页 › excel表格数据处理 › 【精选】用matlab进行xlsx表格的提取和操作 |
【精选】用matlab进行xlsx表格的提取和操作
|
用matlab进行xlsx表格的提取和操作
一、数据的提取二、垃圾数据的清除三、数据的分类四、图像的绘制
在学习数学建模时，我们会碰到大数据的问题，这类问题通常要进行数据预处理，这是我用matlab进行预处理的一些经验总结。数据预处理通常分为三步，缺失值、异常值的检测与处理，数据标椎化，数据的降维。本文我们以2020年数学建模国赛C题为例，讲解xlsx表格的提取和分类。
一、数据的提取
用xlsread函数进行数据的提取。 xlsread函数语法： num = xlsread(filename) num = xlsread(filename,sheet) num = xlsread(filename,xlRange) num = xlsread(filename,sheet,xlRange) num = xlsread(filename,sheet,xlRange,‘basic’) [num,txt,raw] = xlsread(___) ___ = xlsread(filename,-1) [num,txt,raw,custom] = xlsread(filename,sheet,xlRange,‘’ filename：要提取的文件名（也可以是文件路径）；num：返回的double型的数据矩阵（字符串类型的数据在该矩阵中显示为NaN）；sheet：要提取的表格页数或页名称；xlRange：提取数据的范围，使用Excel 范围语法，例如 ‘A1:C3’；txt：在元胞数组中返回文本字段，数据类型的元素在元胞中为空值；raw：在元胞数组中返回数值数据和文本数据 另外在最新版本中还有readtable,readmatrix,readcell函数可以进行数据的提取，具体函数语法可以在MATLAB官网查询学习。要处理的表格预览 提取到表格中的所有数据，我们就可以用矩阵的语法对其进行操作了。可以看到表格中的最后一列中含有作废发票，故我们要将其删除，基本思路是找到第八列所有的“作废发票”返回其的行指标，将这些行删除。 提取出第八列 因为raw的第一行是对应列的标题，所以我们从第二行开始 L8 = raw(2:end,8) 找出第八列中是“作废发票”的元素 tf = strcmp('作废发票',L8);strcmp函数可以判断字符串数组中的元素是否和给定的字符串完全相同，如果完全相同返回1，否则返回0，tf是一个和L8大小相同的double矩阵。 返回对应行指标并清空 index = find(tf==1); %去除作废发票 raw(index+1,:) = [];find函数可以返回满足括号中关系式的元素的指标，因为我们从第二行开始查找，令index+1行等于[ ]，相当于对第index+1行进行删除，删除之后元胞数组的大小也变化。 三、数据的分类数据的分类主要有两方面，一方面是公司的分类，另一方面是日期的分类，为了方便，我们将raw的每一列复制给一个变量。 L1 = raw(2:end,1);L2 = raw(2:end,2);L3 = raw(2:end,3);L4 = raw(2:end,4); L5 = raw(2:end,5);L6 = raw(2:end,6);L7 = raw(2:end,7);L8 = raw(2:end,8); 找出所有的公司名称 L1对应的是第一列，即公司代号列 uni = unique(L1);unique函数返回字符串数组中所有不同的字符串，因为其为内置的函数，字符串的出现顺序和原数组不同，后面写代码时要注意。 找出所有的公司名称对应的行号，将其储存在一个元胞数组里 compid = cell(length(uni),1); for i = 1:length(uni) tf = strcmp(uni(i),L1); index = find(tf==1); compid{i} = index; end元胞数组的赋值应使用大括号{ }，元胞数组值的提取也使用大括号，使用小括号（）返回的是数据类型或一个新的元胞。 找出每个公司，每个月份的行号，将其储存在一个新的元胞里 L3对应的是日期列，使用unique函数，可以知道日期的跨度为4年，故我们创建一个12x4=48列的元胞，储存2016年1月至2019年12月的行号 Et = cell(length(uni),4*12); %循环公司的坐标表 for i = 1:length(uni) for j = [2016 2017 2018 2019]; for k = 1:12 idcp = compid{i}; logbool = strncmp(L3(idcp),sprintf('%d%s%d%s',j,'/',k,'/'),7); index = find(logbool==1); Et{i,(j-2016)*12+k} = index; end end endsprintf函数可以连接数字和字符串组，strncmp函数与strcmp函数类似，但其可以指定匹配的字符串的长度，如上代码规定匹配到前7个字符相同则返回1。 四、图像的绘制至此我们已经拥有了所有公司的目录，和所有公司对应的不同月份的目录，如何使用这些目录是关键，下来我们简单的绘制一下某一公司的不同月份按时间序列的总金额、总税额的变化曲线。 新建一个.m文件创建一个你要查找的公司对象并找到其在公司名称元胞中的位置 这里我想查找公司代号‘E17’的相关信息 company = 'E17'; id = find(strcmp(uni,company)==1); 创建两个数组储存月总金额、总税额 L5对应的是金额列，L6对应的是税额列 Tolmm = zeros(48,1);%金额，按月来计 Tolsm = zeros(48,1);%税额，按月来计 t1 = [L5{compid{id}}]; t2 = [L6{compid{id}}]; for i = 1:48 Tolmm(i) = sum(t1(Et{id,i})); Tolsm(i) = sum(t2(Et{id,i})); end 绘制折线图 plot(1:48,Tolmm,'-',1:48,Tolsm,'.-'); legend([company '的发票金额'],[company '的发票税额'],'location','northwest'); xlabel('时间/月');ylabel('金额/元');效果展示： |
观察上表格，其中既有文本数据，又有数值数据，所以我们用[num,txt,raw] = xlsread(___)提取表格中数据保证所有的数据都能够被提取。 matlab代码：[num,txt,raw] = xlsread('附件1：123家有信贷记录企业的相关数据.xlsx',2)
本文文档和源代码地址【本文地址】
今日新闻 |
推荐新闻 |