MATLAB学习笔记（九）

本章主要学习以下内容

1. 理解MATLAB不同类型的数据
2. 创建和使用数值型和字符型数组
3. 创建多维数组并能从这些数组中访问数据
4. 创建和使用元胞数组和结构数组

一.数据类型

MATLAB的数据类型包括字符型，逻辑型，数值型，对象。其中数值型包括整数和浮点数。整数包括有符号和无符号两种，浮点数包括单精度和多精度两种。
1.双精度浮点数
MATLAB中默认为双精度浮点数，可定义如下：

>> A = 1;
>> B = 1:10;
>> C = [1,2,3;4,5,6];

>> realmax
ans =
  1.7977e+308
>> realmin
ans =
  2.2251e-308
>> x = 5e400
x =
   Inf
>> y = 1e-400
y =
     0

2.单精度浮点数
单精度浮点数是MATLAB中的新的数据类型，单精度浮点数占用双精度浮点数存储空间的一般，每个数据需要4个数据存储。

>> d = single(5)
d =
     5
>> double(d)
ans =
     5

用函数single可以把数值5定义成一个单精度数值，同样，函数double可以将变量转换成双精度。
可用realmax和realmin来显示数值范围

>> realmax('single')
ans =
  3.4028e+38
>> realmin('single')
ans =
  1.1755e-38

用单精度计算双精度问题会引起舍入误差。例如调和级数的计算。

>> n = 1:10;
>> harmonic = 1./n
harmonic =
    1.0000    0.5000    0.3333    0.2500    0.2000    0.1667    0.1429    0.1250    0.1111    0.1000
>> format rat
>> harmonic
harmonic =
       1              1/2            1/3            1/4            1/5            1/6            1/7            1/8            1/9            1/10    
>> format short
>> harmonic
harmonic =
    1.0000    0.5000    0.3333    0.2500    0.2000    0.1667    0.1429    0.1250    0.1111    0.1000
>> partial_sum = cumsum(harmonic)
partial_sum =
    1.0000    1.5000    1.8333    2.0833    2.2833    2.4500    2.5929    2.7179    2.8290    2.9290 

如上，在计算过程中，harmonic的数值越来越小。当n足够大师，计算机将无法区分1/n的值与零的差别。相对于双精度运算来说，在单精度运算中很快就会出现这种情况。当数组中n的值很大，对这一性质加以验证。

>> n = 1:1e7;
>> harmonic = 1./n;
>> partial_sum = cumsum(harmonic); 

由于数据太多，因此我们每1000个数据选择一个数据点，代码如下：

>> m = 1000:1000:1e7;
>> partial_sums_selected = partial_sum(m);
>> plot(partial_sums_selected)

如果使用单精度，我们把两条线绘制在一幅图中：

>> n = single(1:1e7);
>> harmonic = 1./n;
>> partial_sum = cumsum(harmonic);
>> m = 1000:1000:1e7;
>> partial_sums_selected = partial_sum(m);
>> hold on
>> plot(partial_sums_selected,':')

3.整数
整数类型分有符号和无符号。其中每种各有4中类型，分别为8位，16位，32位，64位。
如定义8位有符号整数如下：

>> E = int8(10)
E =
   10
>> intmax('int8')
ans =
  127

8位无符号整数：（存储数值比有符号更大）

>> intmax('uint8')
ans =
  255 

4.复数
复数默认的存储类型是双精度，因为实部和虚部都需要存储，所以，需要两倍的存储空间。

>> F = 5 + 3i
F =
   5.0000 + 3.0000i 

也可以存储为单精度的整数类型：

>> G = int8(5+3i)
G =
    5 +    3i 

5.字符和字符串
包括空格在内，每个字符在数组内都是一个独立的元素。
字符采用ASCALL编码，这种编码类型与C相同。详情见：ASCALL码表

>> double('a')
ans =
    97
>> char(98)
ans =
    b 

如果创建的矩阵既包含数值有包含字符，那么MATLAB会将所有数据转换成字符类型。

>> ['a',98]
ans =
ab 

6.符号数据
符号工具箱使用符号数据进行符号代数运算，函数sym创建一个符号变量。

>> L = sym('x^2-2')
L =
x^2 - 2
>> 

7.逻辑数据
逻辑数据从表面上看是由0和1构成的数据，使用1 和0 分别表示true和false

>> M = [true,false,true]
M =
     1     0     1

注意，不同编程语言的true和false的形式不同，如Python中“真”是大写的True，假是大写的“False”。python 代码：

>>> M = [True,False,True] 

好的，回到MATLAB，另外一个例子：

>> x = 1:5;
>> y = [2,0,1,0,4];
>> z = x > y
z =
     0     1     1     1     1

>> find(x>y)
ans =
     2     3     4     5 

8.稀疏数组
定义一个1000*1000的单位矩阵，具有100万个元素：

>> N = eye(1000); 

每个元素需要八个字节表示，

>> P = sparse(N)
P =
   (1,1)        1
   (2,2)        1
   (3,3)        1
   (4,4)        1
   (5,5)        1
   (6,6)        1
   (7,7)        1
   (8,8)        1

二、多维数组

当需要按二维或三维以上的多维数组形式存储时，MATLAB将在另一个页面上表示数据。将以下四个二维数组变成一个三维数组：

>> x = [1,2,3;4,5,6];
>> y = 10 * x;
>> z = 10 * y;
>> w = 10 * z;
>> my_3D_array(:,:,1) = x;
>> my_3D_array(:,:,2) = y;
>> my_3D_array(:,:,3) = z;
>> my_3D_array(:,:,4) = w;
>> my_3D_array

my_3D_array(:,:,1) =
     1     2     3
     4     5     6

my_3D_array(:,:,2) =
    10    20    30
    40    50    60

my_3D_array(:,:,3) =
   100   200   300
   400   500   600

my_3D_array(:,:,4) =

        1000        2000        3000
        4000        5000        6000

三、字符数组

当每行的字符元素的个数相等时，可以创建二维字符数组。下面列出的名字不能直接创建二维字符数组，是因为名字的长度不相同。

>> Q = ['Holly';'Steven';'Meagan';'David';'Michael';'Heidi'];
错误使用 vertcat
串联的矩阵的维度不一致。 

使用char函数可以对字符数组进行填充，以保证每行具有相同数量的元素：

>> Q = char('Holly','Steven','Meagan','David','Michael','Heidi')
Q =
Holly  
Steven 
Meagan 
David  
Michael
Heidi  

Q是6*7的字符数组。在函数char中每个字符串之间使用逗号隔开。不仅字母可以存储在MATLAB的字符数组中，任何键盘上可以找到的符号或者数字都可以存储为字符。利用这种性质创建的表格从表面上看既包括字符又包括数值，但实际上都是字符类型。
字符数组Q是学生姓名，数组R是考试分数：

>> R = [98;84;73;88;95;100]
R =
    98
    84
    73
    88
    95
   100

将两个数组合并到一起

>> table = [Q,R]
table =
Holly  b
Steven T
Meagan I
David  X
Michael_
Heidi  d 

函数num2str能够将数值转换成字符，利用它可以将双精度矩阵R转换成字符矩阵。

>> S = num2str(R)
S =
 98
 84
 73
 88
 95
100

>> table = [Q,S]
table =
Holly   98
Steven  84
Meagan  73
David   88
Michael 95
Heidi  100

四、元胞数组

元胞数组与数值、字符和符号数组不同，它可以在同一数组中存储不同类型的数据，数组中每个元素就是一个数组。

>> A = 1:3;
>> B = ['abcdefg'];
>> C = single([1,2,3;4,5,6]);
>> my_cellarray = {A,B,C}
my_cellarray = 
    [1x3 double]    'abcdefg'    [2x3 single]
>> celldisp(my_cellarray)
my_cellarray{1} =
     1     2     3
my_cellarray{2} =
abcdefg
my_cellarray{3} =
     1     2     3
     4     5     6

元胞数组使用索引方法与其他数组相同，可以使用单序号索引，也可以使用行和列索引。从元胞数组中提取信息的方法有两种，一种是使用小括号

>> my_cellarray(1)
ans = 
    [1x3 double]

另一种是使用大括号

>> my_cellarray{1}
ans =
     1     2     3 

为了访问存储在元胞数组中的某一特定元素，必须同时使用大括号和小括号

>> my_cellarray{3}(1,2)
ans =
     2 

元胞数组可能会编的相当复杂，函数cellplot是一种以图形结构查看数组内容的有效方法。

>> cellplot(my_cellarray)

元胞数组可用于复杂的编程项目或数据库应用。

五、结构数组

结构数组类似于元胞数组，具有不同数据类型的多个数组可以存储在结构数组中，与存储在元胞数组中一样。结构数组不使用内容索引，结构数组中的每个句子存储在一个称谓“域”的位置上。
如果大家会Python的话，可以看出类似于Python的字典类型

>> my_structure.some_numbers = A
my_structure = 
    some_numbers: [1 2 3]

继续添加元素：

>> my_structure.some_letters = B
my_structure = 
    some_numbers: [1 2 3]
    some_letters: 'abcdefg'
>> my_structure.some_more_numbers = C
my_structure = 
         some_numbers: [1 2 3]
         some_letters: 'abcdefg'
    some_more_numbers: [2x3 single]

向所在域添加更多的矩阵，可以扩大原有数组的规模

>> my_structure(2).some_numbers = [2 4 6 8]

my_structure = 
1x2 struct array with fields:
    some_numbers
    some_letters
    some_more_numbers
>> my_structure(2)
ans = 
         some_numbers: [2 4 6 8]
         some_letters: []
    some_more_numbers: []

访问一个域，需要添加相应的域名：

>> my_structure(2).some_numbers
ans =
     2     4     6     8 

访问域中的每个元素，则必须在域名后指出改元素的索引号：

>> my_structure(2).some_numbers(2)
ans =
     4

>> disp(my_structure(2).some_numbers(2))
     4 

和访问其他类型一样，访问结构数组也可以使用MATLAB自带的编辑器。