创建和组织缺少的数据

MATLAB中缺失值的形式取决于数据类型。例如，数字数据类型，例如双重的使用南（不是数字）表示缺少的值。

x=[NaN 1 2 3 4]；

您也可以使用丢失的值来表示缺少的数字数据或其他类型的数据，例如日期时间,一串，和绝对的. MATLAB自动转换丢失的值设置为数据的本机类型。

xDouble=[缺少1 2 3 4]

X倍=1×5南1 2 3 4

xDatetime=[缺少日期时间（2014,1:4,1）]

X日期时间=1x5日期时间NaT 2014年1月1日2014年2月1日2014年3月1日2014年4月1日

xString=[缺少“a”“b”“c”“d”]

X字符串=1x5串“a”“b”“c”“d”

xCategorical=[缺少范畴({'类别1''第2类'“第3类”“第4类”})]

X类别=1x5分类<未定义>cat1 cat2 cat3 cat4

数据集可能包含要视为缺失数据的值，但不是MATLAB中的标准MATLAB缺失值，例如南. 你可以用标准化函数将这些值转换为该数据类型的标准缺失值。例如，将4视为缺少的双重的价值南.

x标准=标准化（xDouble，[4]）

X标准=1×5南1 2 3南

假设您希望将缺少的值保留为数据集的一部分，但将它们与其他数据分离开来。几个MATLAB函数使您能够在进一步处理之前控制缺失值的位置。例如，使用'丢失位置'选项与分类要移动的函数南到数据的末尾。

xSort=排序（xStandard，'丢失位置','最后一个')

X排序=1×51 2 3楠楠

查找、替换和忽略丢失的数据

即使没有在MATLAB中显式创建缺失值，在导入现有数据或使用数据进行计算时也会出现缺失值。如果您不知道数据中缺少值，则后续的计算或分析可能会产生误导。

例如，如果您在不知情的情况下绘制一个包含南价值观南不会出现，因为情节函数会忽略它并正常绘制其余的点。

南数据=[1:9南]；绘图（1:10，nanData）

但是，如果计算数据的平均值，结果是南. 在这种情况下，提前知道数据包含南，然后在计算平均值之前选择忽略或删除它。

平均数据=平均值（nanData）

平均数据=NaN

一种找到南通过使用伊斯南函数，该函数返回一个逻辑数组，指示南价值

TF=isnan（南数据）

TF公司=1x10逻辑阵列0 0 0 0 0 0 0 0 0 1

同样地ismissing公司函数返回多个数据类型的数据中缺失值的位置。

TFdouble=ismissing（xDouble）

TF双精度=1x5逻辑阵列1 0 0 0 0

TFdatetime=ismissing（xDatetime）

TFdatetime公司=1x5逻辑阵列1 0 0 0 0

假设您使用的是由具有多种数据类型的变量组成的表或时间表。只需调用ismissing公司，无论其类型如何。

xTable=table（xDouble'，xDatetime'，xString'，xCategorical'）

X表格=5×4工作台Var1 Var2 Var3 Var4\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu4\uuuuuuuuuuuuuuuuuuuun NaT2014年1月1日“a”类2014年2月1日“b”类2014年3月1日“c”类2014年4月1日“d”类4

TF=ismissing（x表）

TF公司=5x4逻辑阵列1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

缺少的值可能表示无法用于处理或分析的数据。使用填充缺失用另一个值替换缺少的值，或使用RMM缺失完全删除缺少的值。

xFill=fillmissing（x标准，'常量',0)

xFill公司=1×50 1 2 3 0

xRemove=rmmissing（x标准）

X删除=1×31 2 3

许多MATLAB函数允许您忽略缺失的值，而不必先显式地定位、填充或移除它们。例如，如果计算包含南值，结果是南. 但是，您可以直接忽略南通过使用'南'选项与总和功能。

sumNan=总和（xDouble）

sumNan=南

sumOmitnan=和（xDouble，'南')

sumOmitnan=10