如何将Excel数据导入MATLAB中
1、运行MATLAB程序,点击工具栏上的Import Data工具按钮,在d出的“Import Data”对话框中找到前面保存的数据文件(Bxls),点击“打开”;
2、d出“Import”窗口,在窗口工具栏左侧导入选项中选择“Matrix(矩阵)”,然后点击工具栏右侧的“勾”,导入数据;
3、关闭“Import”窗口,回到MATLAB主程序,在WorkSpace(工作空间)中可以看到刚刚导入矩阵变量,接下来就可以对矩阵进行运算了;
4、每次关闭MATLAB程序都会将工作空间中的变量清空,所以如果经常用到该变量,不妨将该变量保存为MAT文件;
这样一来每次打开MATLAB,只需要双击MAT文件便可以将变量导入工作空间。
在使用MATLAB对矩阵进行数据处理时,为了方便编辑与修改,常常需要先将数据录入到Excel中,然后再将其导入到MATLAB中参与矩阵运算。
1、在MATLAB中生成关系图。
2、保存关系图为一个文件(如png、jpg等)。
3、打开Simulink,选择"View"菜单下的"LibraryBrowser"。
4、在LibraryBrowser中选择"User-DefinedFunctions",然后选择右键,单击"NewLibrary"。
5、在LibraryBrowser中选择"User-DefinedFunctions",然后选择右键,单击"NewLibrary"。
6、选择刚才保存的文件,并设置图标大小和名称等属性。
7、点击"OK"按钮,将导入到Library中。
8、在Library中选择刚才导入的,然后选择右键,单击"CreateMask"。
9、在d出的"CreateMask"对话框中,可以设置输入输出端口、参数、注释等属性,以便在Simulink中使用。
10、点击"OK"按钮,保存Mask并关闭对话框。
11、在Simulink中打开Model,可以在LibraryBrowser中找到刚才导入的,将其拖入到Model中使用。
下面以UCI中IRIS为例介绍一下数据集:
ucidata\iris中有三个文件:
Index
irisdata
irisnames
index为文件夹目录,列出了本文件夹里的所有文件,如iris中index的内容如下:
Index of iris
18 Mar 1996 105 Index
08 Mar 1993 4551 irisdata
30 May 1989 2604 irisnames
irisdata为iris数据文件,内容如下:
51,35,14,02,Iris-setosa
49,30,14,02,Iris-setosa
47,32,13,02,Iris-setosa
……
70,32,47,14,Iris-versicolor
69,31,49,15,Iris-versicolor
……
63,33,60,25,Iris-virginica
64,32,45,15,Iris-versicolor
58,27,51,19,Iris-virginica
71,30,59,21,Iris-virginica
……
如上,属性直接以逗号隔开,中间没有空格(51,35,14,02,),最后一列为本行属性对应的值,即决策属性Iris-setosa
。
irisnames介绍了irir数据的一些相关信息,如数据标题、数据来源、以前使用情况、最近信息、实例数目、实例的属性等,如下所示部分:
……
7 Attribute Information:
1 sepal length in cm
2 sepal width in cm
3 petal length in cm
4 petal width in cm
5 class:
-- Iris Setosa
-- Iris Versicolour
-- Iris Virginica
……
9 Class Distribution: 333% for each of 3 classes
本数据的使用实例请参考其他论文,或本站后面的内容。
下面以wine数据为例导入matlab并利用前面提到的libsvm做测试
>> uiimport('winedata')
导入数据,workspace处出现wine数组17814
将标签和数据属性提取,并保存到matlab平台下的数据
>> wine_label = wine(:,1);
>> wine_data = wine(:,2:end);
>> save winedatmat
(下次使用的时候可以直接>> load winedat)
svm训练模型得到wine模型
>> modelw = svmtrain(wine_data,wine_label);
optimization finished, #iter = 239
nu = 0892184
obj = -61125695, rho = 0131965
nSV = 130, nBSV = 53
optimization finished, #iter = 193
nu = 0882853
obj = -50421538, rho = -0166754
nSV = 107, nBSV = 42
optimization finished, #iter = 214
nu = 0800233
obj = -53411663, rho = -0286931
nSV = 119, nBSV = 44
Total nSV = 178
分类结果
>> [plabelw, accuracyw] = svmpredict(wine_label,wine_data,modelw);
Accuracy = 100% (178/178) (classification)
在使用matlab对矩阵进行数据处理时,为了方便编辑与修改,常常需要先将数据录入到excel中,然后再将其导入到matlab中参与矩阵运算。那么下面小编教你怎么将excel数据导入matlab中。
将excel数据导入matlab中的步骤:
将待导入的矩阵结构的数据录入excel中,录入时注意行列要跟原矩阵一一对应
录入完以后保存数据,为了后续步骤使用方便,命名时我们最好把它命名为我们接下来在matlab中要引用的变量名(比如在matlab中要将该矩阵作为b矩阵参与运算,就可以把它命名为bxls,xls为文件扩展名)
如何将excel数据导入matlab中
运行matlab程序,点击工具栏上的import
data工具按钮
在d出的“import
data”对话框中找到前面保存的数据文件(bxls),“打开”
d出“import”窗口,在窗口工具栏左侧导入选项中选择“matrix(矩阵)”,然后点击工具栏右侧的“勾”,导入数据
关闭“import”窗口,回到matlab主程序,在workspace(工作空间)中可以看到刚刚导入矩阵变量,接下来就可以对矩阵进行运算了
每次关闭matlab程序都会将工作空间中的变量清空,所以如果经常用到该变量,不妨将该变量保存为mat文件
这样一来每次打开matlab,只需要双击mat文件便可以将变量导入工作空间
看你自己怎样去可视化了,以wine数据集为例子吧,这个数据集中有三个类,可以说分别表示三种酒,那么可视化首先就要做出三类吧,然后讲其三类中各个数据的属性进行可视化,比如属性中有Color intensity,还有Hue,那么做可视化的话,那么可以根据这一个或者这两个数据的数值的高低进行可视化,比如数值高的,对应颜色深,然后每个数据对象就是一个酒瓶子里装的酒,然后其颜色就表示着Color属性值的高低,这就做出来的部分的可视化;再例如这个数据中有个属性Alcohol,是酒精的含量,那么做这个可视化的话,一个是可以用同样空间的容量,里面用不同颜色表示水和酒精的比例(一般做法),更为有意思的做法是,做细分人物喝酒后的醉了的程度,然后根据这个属性值对应不同醉酒的脸。从上面这些说出来,你可以看到,并不是研究生学历才能做数据可视化,而是说你能去创新的表达数据的理解,我并不是做这方面的,你可以在网上找写数据可视化的入门教材看看,明白你感兴趣的东西落到实处是个什么样子,这样才有方向的去学习,把自己的兴趣落实下来
Matlab如何导入excel数据的方法如下:
1、一xlsread()函数,比import简单的多,具体语句:
A = xlsread('yourfilenamexls')
直接在MATLAB中定义矩阵,再复制粘贴得了
定义矩阵就先定义个空的
比如一维:a=zeros(1,N);%%这是1xN的
2、二维:a=zeros(N) %%这是NxN的
然后在workspace窗口打开这个空矩阵,把excel中的数直接复制过来就行了
xlsread(),但是对excel表要求还挺高的,比如有次我就导入失败,是因为名字虽然是xls,但是实际是 文本文件(制表符分隔)(txt) 格式的,所以你注意一下,对照matlab帮助,一般不会有问题
在一个空单元格输入1,并复制它
选中要转化成数值的单元格区域
右击-选择性粘贴-乘补充回答:这样 *** 作以后,仍不能转换数值,说明你原来的数据格式有问题,提示你检查以下几项:
1、数据内是否存在空格,(可以通过查找替换,将空格替换掉)
2、数据内是否存在非法字符!
清除后,就可以运算了
有的时候还需要:
把修改过的区域再进一步修改,全选中,然后“单元格格式”,把单元格格式由“常规”改为“数值”
以上就是关于Matlab如何导入excel数据全部的内容,包括:Matlab如何导入excel数据、如何将matlab生成的关系图导入simulink的look、uci数据库的例子等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)