matlab关于excel的相关操作.docx
- 文档编号:6361176
- 上传时间:2023-01-05
- 格式:DOCX
- 页数:23
- 大小:294.17KB
matlab关于excel的相关操作.docx
《matlab关于excel的相关操作.docx》由会员分享,可在线阅读,更多相关《matlab关于excel的相关操作.docx(23页珍藏版)》请在冰豆网上搜索。
matlab关于excel的相关操作
一、matlab读取excel数据
y=xlsread('0.3C-20to50dischargevoltage.xlsx','sheet1','c2:
c20')
Office2007必须用xlsx,office2000或2003用xls,否则无法打开
二、matlab读入excel小数位数丢失问题
一)如果要在matlab命令提示符下显示更多有效位数,可以执行
formatlongg
或
formatlonge
还有很多显示的格式,详情参见format函数的帮助
(二)也可以用vpa(A,N),N为显示的数字位数
第一种无法精确控制小数位数,只能是5,10,15
第二种可以精确控制小数位数,只是速度很慢,不适用大矩阵问题
三、matlab将数据保存在excel中的操作
%xlswrite('文件存盘位置\文件名字(自己想取的文件名).xls',在matlab工作窗口中的数组)
%例如:
将数组A存盘到d盘的003文件夹
xlswrite('d:
\003.xls',A)
稍微复杂些:
bb=[1,2,3,4,5,6];
cc=[7,8,9,10,11,12];
xlswrite('test.xlsx',bb','Sheet2','B1:
B6')
xlswrite('test.xlsx',cc','Sheet2','C1:
C6')
bb=[1,2,3,4,5,6];
cc=[7,8,9,10,11,12];
xlswrite('test.xlsx',bb','Sheet2','B')
xlswrite('test.xlsx',cc','Sheet2','C')与上面程序的效果一样
PS:
如果每次都要存入不同的文件,需要每次修改程序中要保存的文件名
四、matlab如何多开几个M编辑窗口
窗口右上角有一个箭头,点一下就可以了。
五、matlab中对矩阵排序的问题
MATLAB中的排序函数
(2011-01-3012:
51:
37)
转载原文
标签:
转载
分类:
Matlab
原文地址:
MATLAB中的排序函数作者:
beer
看全英文帮助没看懂。
sort函数其实就是个排序函数。
============================================================
sort(A)若A是向量不管是列还是行向量,默认都是对A进行升序排列。
sort(A)是默认的升序,而sort(A,'descend')是降序排序。
sort(A)若A是矩阵,默认对A的各列进行升序排列
sort(A,dim)
dim=1时等效sort(A)
dim=2时表示对A中的各行元素升序排列
看下面的例子
>>A=magic(3)
A=
816
357
492
>>sort(A)
ans=
312
456
897
>>sort(A,1)
ans=
312
456
897
>>sort(A,2)
ans=
168
357
249
===================
Matlab中给一维向量排序是使用sort函数:
sort(A),排序是按升序进行的,其中A为待排序的向量;若欲保留排列前的索引,则可用[sA,index]=sort(A),排序后,sA是排序好的向量,index是向量sA中对A的索引。
索引使排列逆运算成为可能。
事实上,这里A≡sA(index),[A恒等于sA(index)],这个结论确实很奇妙,而且很有用。
不信你排序之后试下键入命令sA(index),看看得到的是不是就是排列前的A呢。
=====================
在Matlab中排序某个向量(一维)时,可以使用sort(A),其中A为待排序的向量,如果仅是用来排序A,那么直接使用sort(A)即可,如果排序后还需要保留原来的索引可以用返回值,即[B,ind]=sort(A),计算后,B是A排序后的向量,A保持不变,ind是B中每一项对应于A中项的索引。
排序是安升序进行的。
在Matlab中,访问矩阵中的元素,一维用A
(1)访问向量A的第一个元素;(下标从1开始);二维用A(1,2)访问A中第一行,第二列的元素。
降序排列不需要这么麻烦,只需要这样就可以了
sort(A,'descend')
七、MATLAB中的插值、拟合与查表
插值法是实用的数值方法,是函数逼近的重要方法。
在生产和科学实验中,自变量x与因变量y的函数y=f(x)的关系式有时不能直接写出表达式,而只能得到函数在若干个点的函数值或导数值。
当要求知道观测点之外的函数值时,需要估计函数值在该点的值。
如何根据观测点的值,构造一个比较简单的函数y=φ(x),使函数在观测点的值等于已知的数值或导数值。
用简单函数y=φ(x)在点x处的值来估计未知函数y=f(x)在x点的值。
寻找这样的函数φ(x),办法是很多的。
φ(x)可以是一个代数多项式,或是三角多项式,也可以是有理分式;φ(x)可以是任意光滑(任意阶导数连续)的函数或是分段函数。
函数类的不同,自然地有不同的逼近效果。
在许多应用中,通常要用一个解析函数(一、二元函数)来描述观测数据。
根据测量数据的类型:
1.测量值是准确的,没有误差。
2.测量值与真实值有误差。
这时对应地有两种处理观测数据方法:
1.插值或曲线拟合。
2.回归分析(假定数据测量是精确时,一般用插值法,否则用曲线拟合)。
MATLAB中提供了众多的数据处理命令。
有插值命令,有拟合命令,有查表命令。
2.2.1插值命令
命令1interp1
功能一维数据插值(表格查找)。
该命令对数据点之间计算内插值。
它找出一元函数f(x)在中间点的数值。
其中函数f(x)由所给数据决定。
各个参量之间的关系示意图为图2-14。
图2-14数据点与插值点关系示意图
格式yi=interp1(x,Y,xi)%返回插值向量yi,每一元素对应于参量xi,同时由向量x与Y的内插值决定。
参量x指定数据Y的点。
若Y为一矩阵,则按Y的每列计算。
yi是阶数为length(xi)*size(Y,2)的输出矩阵。
yi=interp1(Y,xi)%假定x=1:
N,其中N为向量Y的长度,或者为矩阵Y的行数。
yi=interp1(x,Y,xi,method)%用指定的算法计算插值:
’nearest’:
最近邻点插值,直接完成计算;
’linear’:
线性插值(缺省方式),直接完成计算;
’spline’:
三次样条函数插值。
对于该方法,命令interp1调用函数spline、ppval、mkpp、umkpp。
这些命令生成一系列用于分段多项式操作的函数。
命令spline用它们执行三次样条函数插值;
’pchip’:
分段三次Hermite插值。
对于该方法,命令interp1调用函数pchip,用于对向量x与y执行分段三次内插值。
该方法保留单调性与数据的外形;
’cubic’:
与’pchip’操作相同;
’v5cubic’:
在MATLAB5.0中的三次插值。
对于超出x范围的xi的分量,使用方法’nearest’、’linear’、’v5cubic’的插值算法,相应地将返回NaN。
对其他的方法,interp1将对超出的分量执行外插值算法。
yi=interp1(x,Y,xi,method,'extrap')%对于超出x范围的xi中的分量将执行特殊的外插值法extrap。
yi=interp1(x,Y,xi,method,extrapval)%确定超出x范围的xi中的分量的外插值extrapval,其值通常取NaN或0。
例2-31
>>x=0:
10;y=x.*sin(x);
>>xx=0:
.25:
10;yy=interp1(x,y,xx);
>>plot(x,y,'kd',xx,yy)
插值图形
图2-15一元函数插值图形
例2-32
>>year=1900:
10:
2010;
>>product=[75.99591.972105.711123.203131.669150.697179.323203.212226.505249.633256.344267.893];
>>p1995=interp1(year,product,1995)
>>x=1900:
1:
2010;
>>y=interp1(year,product,x,'pchip');
>>plot(year,product,'o',x,y)
插值结果为:
p1995=
252.9885
插值图形为图2-16。
图2-16离散数据的一维插值图
命令2interp2
功能二维数据内插值(表格查找)
格式ZI=interp2(X,Y,Z,XI,YI)%返回矩阵ZI,其元素包含对应于参量XI与YI(可以是向量、或同型矩阵)的元素,即Zi(i,j)←[Xi(i,j),yi(i,j)]。
用户可以输入行向量和列向量Xi与Yi,此时,输出向量Zi与矩阵meshgrid(xi,yi)是同型的。
同时取决于由输入矩阵X、Y与Z确定的二维函数Z=f(X,Y)。
参量X与Y必须是单调的,且相同的划分格式,就像由命令meshgrid生成的一样。
若Xi与Yi中有在X与Y范围之外的点,则相应地返回nan(NotaNumber)。
ZI=interp2(Z,XI,YI)%缺省地,X=1:
n、Y=1:
m,其中[m,n]=size(Z)。
再按第一种情形进行计算。
ZI=interp2(Z,n)%作n次递归计算,在Z的每两个元素之间插入它们的二维插值,这样,Z的阶数将不断增加。
interp2(Z)等价于interp2(z,1)。
ZI=interp2(X,Y,Z,XI,YI,method)%用指定的算法method计算二维插值:
’linear’:
双线性插值算法(缺省算法);
’nearest’:
最临近插值;
’spline’:
三次样条插值;
’cubic’:
双三次插值。
例2-33:
>>[X,Y]=meshgrid(-3:
.25:
3);
>>Z=peaks(X,Y);
>>[XI,YI]=meshgrid(-3:
.125:
3);
>>ZZ=interp2(X,Y,Z,XI,YI);
>>surfl(X,Y,Z);holdon;
>>surfl(XI,YI,ZZ+15)
>>axis([-33-33-520]);shadingflat
>>holdoff
插值图形为图2-17。
例2-34
>>years=1950:
10:
1990;
>>service=10:
10:
30;
>>wage=[150.697199.592187.625
179.323195.072250.287
203.212179.092322.767
226.505153.706426.730
249.633120.281598.243];
>>w=interp2(service,years,wage,15,1975)
插值结果为:
w=
190.6288
命令3interp3
功能三维数据插值(查表)
格式VI=interp3(X,Y,Z,V,XI,YI,ZI)%找出由参量X,Y,Z决定的三元函数V=V(X,Y,Z)在点(XI,YI,ZI)的值。
参量XI,YI,ZI是同型阵列或向量。
若向量参量XI,YI,ZI是不同长度,不同方向(行或列)的向量,这时输出参量VI与Y1,Y2,Y3为同型矩阵。
其中Y1,Y2,Y3为用命令meshgrid(XI,YI,ZI)生成的同型阵列。
若插值点(XI,YI,ZI)中有位于点(X,Y,Z)之外的点,则相应地返回特殊变量值NaN。
VI=interp3(V,XI,YI,ZI)%缺省地,X=1:
N,Y=1:
M,Z=1:
P,其中,[M,N,P]=size(V),再按上面的情形计算。
VI=interp3(V,n)%作n次递归计算,在V的每两个元素之间插入它们的三维插值。
这样,V的阶数将不断增加。
interp3(V)等价于interp3(V,1)。
VI=interp3(…,method)%用指定的算法method作插值计算:
‘linear’:
线性插值(缺省算法);
‘cubic’:
三次插值;
‘spline’:
三次样条插值;
‘nearest’:
最邻近插值。
说明在所有的算法中,都要求X,Y,Z是单调且有相同的格点形式。
当X,Y,Z是等距且单调时,用算法’*linear’,’*cubic’,’*nearest’,可得到快速插值。
例2-35
>>[x,y,z,v]=flow(20);
>>[xx,yy,zz]=meshgrid(.1:
.25:
10,-3:
.25:
3,-3:
.25:
3);
>>vv=interp3(x,y,z,v,xx,yy,zz);
>>slice(xx,yy,zz,vv,[69.5],[12],[-2.2]);shadinginterp;colormapcool
插值图形为图2-18。
图2-18三维插值图
命令4interpft
功能用快速Fourier算法作一维插值
格式y=interpft(x,n)%返回包含周期函数x在重采样的n个等距的点的插值y。
若length(x)=m,且x有采样间隔dx,则新的y的采样间隔dy=dx*m/n。
注意的是必须n≥m。
若x为一矩阵,则按x的列进行计算。
返回的矩阵y有与x相同的列数,但有n行。
y=interpft(x,n,dim)%沿着指定的方向dim进行计算
命令5griddata
功能数据格点
格式ZI=griddata(x,y,z,XI,YI)%用二元函数z=f(x,y)的曲面拟合有不规则的数据向量x,y,z。
griddata将返回曲面z在点(XI,YI)处的插值。
曲面总是经过这些数据点(x,y,z)的。
输入参量(XI,YI)通常是规则的格点(像用命令meshgrid生成的一样)。
XI可以是一行向量,这时XI指定一有常数列向量的矩阵。
类似地,YI可以是一列向量,它指定一有常数行向量的矩阵。
[XI,YI,ZI]=griddata(x,y,z,xi,yi)%返回的矩阵ZI含义同上,同时,返回的矩阵XI,YI是由行向量xi与列向量yi用命令meshgrid生成的。
[…]=griddata(…,method)%用指定的算法method计算:
‘linear’:
基于三角形的线性插值(缺省算法);
‘cubic’:
基于三角形的三次插值;
‘nearest’:
最邻近插值法;
‘v4’:
MATLAB4中的griddata算法。
命令6spline
功能三次样条数据插值
格式yy=spline(x,y,xx)%对于给定的离散的测量数据x,y(称为断点),要寻找一个三项多项式
,以逼近每对数据(x,y)点间的曲线。
过两点
和
只能确定一条直线,而通过一点的三次多项式曲线有无穷多条。
为使通过中间断点的三次多项式曲线具有唯一性,要增加两个条件(因为三次多项式有4个系数):
1.三次多项式在点
处有:
;
2.三次多项式在点
处有:
;
3.p(x)在点
处的斜率是连续的(为了使三次多项式具有良好的解析性,加上的条件);
4.p(x)在点
处的曲率是连续的;
对于第一个和最后一个多项式,人为地规定如下条件:
①.
②.
上述两个条件称为非结点(not-a-knot)条件。
综合上述内容,可知对数据拟合的三次样条函数p(x)是一个分段的三次多项式:
,其中每段
都是三次多项式。
该命令用三次样条插值计算出由向量x与y确定的一元函数y=f(x)在点xx处的值。
若参量y是一矩阵,则以y的每一列和x配对,再分别计算由它们确定的函数在点xx处的值。
则yy是一阶数为length(xx)*size(y,2)的矩阵。
pp=spline(x,y)%返回由向量x与y确定的分段样条多项式的系数矩阵pp,它可用于命令ppval、unmkpp的计算。
例2-36
对离散地分布在y=exp(x)sin(x)函数曲线上的数据点进行样条插值计算:
>>x=[024581212.817.219.920];y=exp(x).*sin(x);
>>xx=0:
.25:
20;
>>yy=spline(x,y,xx);
>>plot(x,y,'o',xx,yy)
插值图形结果为图2-19。
图2-19三次样条插值
命令7interpn
功能n维数据插值(查表)
格式VI=interpn(X1,X2,,…,Xn,V,Y1,Y2,…,Yn)%返回由参量X1,X2,…,Xn,V确定的n元函数V=V(X1,X2,…,Xn)在点(Y1,Y2,…,Yn)处的插值。
参量Y1,Y2,…,Yn是同型的矩阵或向量。
若Y1,Y2,…,Yn是向量,则可以是不同长度,不同方向(行或列)的向量。
它们将通过命令ndgrid生成同型的矩阵,再作计算。
若点(Y1,Y2,…,Yn)中有位于点(X1,X2,…,Xn)之外的点,则相应地返回特殊变量NaN。
VI=interpn(V,Y1,Y2,…,Yn)%缺省地,X1=1:
size(V,1),X2=1:
size(V,2),…,Xn=1:
size(V,n),再按上面的情形计算。
VI=interpn(V,ntimes)%作ntimes次递归计算,在V的每两个元素之间插入它们的n维插值。
这样,V的阶数将不断增加。
interpn(V)等价于interpn(V,1)。
VI=interpn(…,method)%用指定的算法method计算:
‘linear’:
线性插值(缺省算法);
‘cubic’:
三次插值;
‘spline’:
三次样条插值法;
‘nearest’:
最邻近插值算法。
命令8meshgrid
功能生成用于画三维图形的矩阵数据。
格式[X,Y]=meshgrid(x,y)将由向量x,y(可以是不同方向的)指定的区域[min(x),max(x),min(y),max(y)]用直线x=x(i),y=y(j)(i=1,2,…,length(x),j=1,2,…,length(y))进行划分。
这样,得到了length(x)*length(y)个点,这些点的横坐标用矩阵X表示,X的每个行向量与向量x相同;这些点的纵坐标用矩阵Y表示,Y的每个列向量与向量y相同。
其中X,Y可用于计算二元函数z=f(x,y)与三维图形中xy平面矩形定义域的划分或曲面作图。
[X,Y]=meshgrid(x)%等价于[X,Y]=meshgrid(x,x)。
[X,Y,Z]=meshgrid(x,y,z)%生成三维阵列X,Y,Z,用于计算三元函数v=f(x,y,z)或三维容积图。
例2-37
[X,Y]=meshgrid(1:
3,10:
14)
计算结果为:
X=
123
123
123
123
123
Y=
101010
111111
121212
131313
141414
命令9ndgrid
功能生成用于多维函数计算或多维插值用的阵列
格式[X1,X2,…,Xn]=ndgrid(x1,x2,…,xn)%把通过向量x1,x2,x3…,xn指定的区域转换为数组x1,x2,x3,…,xn。
这样,得到了length(x1)*length(x2)*…*length(xn)个点,这些点的第一维坐标用矩阵X1表示,X1的每个第一维向量与向量x1相同;这些点的第二维坐标用矩阵X2表示,X2的每个第二维向量与向量x2相同;如此等等。
其中X1,X2,…,Xn可用于计算多元函数y=f(x1,x2,…,xn)以及多维插值命令用到的阵列。
[X1,X2,…,Xn]=ndgrid(x)%等价于[X1,X2,…,Xn]=ndgrid(x,x,…,x)
2.2.2查表命令
命令1table1
功能一维查表
格式Y=table1(TAB,X0)%返回用表格矩阵TAB中的行线性插值元素,对X0(TAB的第一列查找X0)进行线性插值得到的结果Y。
矩阵TAB是第一列包含关键值,而其他列包含数据的矩阵。
X0中的每一元素将相应地返回一线性插值行向量。
矩阵TAB的第一列必须是单调的。
例2-38
>>tab=[(1:
4)'hilb(4)]
>>y=table1(tab,[12.33.64])
查表结果为:
tab=
1.00001.00000.50000.33330.2500
2.00000.50000.33330.25000.2000
3.00000.33330.25000.20000.1667
4.00000.25000.20000.16670.1429
Warning:
TABLE1isobsoleteandwillberemovedinfutureversions.UseINTERP1orINTERP1Qinstead.
>InD:
\MATLABR12\toolbox\matlab\polyfun\table1.matline31
y=
1.00000.50000.33330.2500
0.45000.30830.23500.1900
0.28330.22000.18000.1524
0.25000.20000.16670.1429
由上面结果可知,table1是一将要废弃的命令。
命令2table2
功能二维查表
格式Z=table1(TAB,X0,Y0)%返回用表格矩阵TAB中的行与列交叉线性线性插值元素,对X0(TAB的第一列查找X0)进行线性插值,对Y0(TAB的第一行查找Y0)进行线性插值,对上述两个数值进行交叉线性插值,得到的结果为Z。
矩阵TAB是第一列与第一行列都包含关键值,而其他的元素包含数据的矩阵。
TAB(1,1)的关键值将被忽略。
[X0,Y0]中的每点将相应地返回一线性插值。
矩阵TAB的第一行与第一列必须是单调的。
例2-39
>>tab=[NaN1:
4;(1:
4)'magic(4)]
>>y=table2(tab,[233.7],[1.32.34])
查表的结果为:
tab=
NaN1234
1162313
2511108
397612
4414151
Warning:
TABLE2isobsoleteandwillberemovedinfutureversions.UseINTERP2instead.
>InD:
\MATLABR12\toolbox\matlab\polyfun\table2.matline24
Warning:
TABLE1isobsoleteandwill
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- matlab 关于 excel 相关 操作