数学建模：Matlab学习随笔

NLP4RE

已于 2024-02-28 12:05:19 修改

阅读量778

点赞数 34

分类专栏：数学建模文章标签：数学建模 matlab 数据可视化

于 2024-02-28 11:14:00 首次发布

本文链接：https://blog.csdn.net/gxnuer_22se/article/details/136339945

版权

数学建模专栏收录该内容

3 篇文章 2 订阅

订阅专栏

Matlab学习随手记

Matlab基础操作

初始化

1、清空命令行窗口

clc;

2、清空工作区

clear;

3、关闭所有图形窗口

close all;

以上3种操作经常同时出现在同一行用于所有代码执行前的初始化：

clc;clear;close all;

其中1、 、2、常用于每节代码执行前的初始化：

clc;clear;

数值运算

a=2;
b=3;
c2=a+b;
c3=a*b;
c4=a/b;
c5=a^(2);
c6=b^(1/3);
c7=exp(2);
c8=log2(8);
c9=log(8);
c10=log10(10);
c11=sqrt(8)
c12=power(2,3)
c13=pow2(4) % 2的4次方
c14=nextpow2(5) % 大于等于5的最小整数c14，使2的c14次方大于等于5
c14=expm(2) % e^2 - 1

%% 变量类型转换
disp(c10) % 将c10转化为字符串

%% 取数
mod(b,a); % b/a 的余数
fix(-2.9) % 向0取整，值为-2
floor(2.2) % 对2.2向上取整
ceil(2.2) % 对2.2向下取整
floor(3.7) % 向-∞取整，值为3
round(-2.9) % 四舍五入，值为-3
roundn(-2.98765, 1) % 对-2.98765保留1位小数的四舍五入，值为-3.0000

%% 三角函数
sin(); cos(); sinpi(); cospi() ;tan()
%% 反三角函数
asin(); acos(); asind(); acosd(); atan(); atand(); atan2()

%% 统计学变量
max(); min(); sum(); mean();
prod([1, 2, 3, 4]) % 数组或矩阵中所有元素的乘积,值为24
prod([1, 2; 3, 4]) % 12 8
median() % 中位数
var(); % 方差
std(); % 标准差
cov(); % 协方差

%% 自定义函数
function[输出形参表: output1, ...,outptn] = 函数名(输入形参表: input1, ... , inputn) 

函数体代码部分

end

my_max.m % 把函数储存在my_max.m文件中，可省略（后果是只能在当前.m文件中使用，不可在其他脚本中复用）
function [maxval]= my_max(L)
    maxval=L(1);
    for ii=2:length(L)
        if maxval<L(ii)
            maxval=L(ii);
        end
    end
end

矩阵运算

1、矩阵初始化

ju1=[1,2,3] % 行矩阵
ju2=[1 2 3] % 矩阵
ju3=[1;2;3] % 列矩阵
%%
ju4=[1,3,1,1/3;1/3,1,1/2,1/5;1,2,1,1/3;3,5,5,1]; 
ju5=randperm(10,5);   % 在1-10范围内随机取5个整数
ju6=rand(10,5);   % 在0-1范围内随机矩阵
ju7=zeros(3,6);  % 3×6零矩阵
ju8=ones(3,6);  % 3×6一矩阵
ju9=eye(3,6);  % 3×6 (伪)单位矩阵
%%
ju10=1:10;
ju11=1:2:10;
ju12=linspace(1,10,5);% 1到10 之间均匀撒5个点

2、矩阵操作

matrix=[1,3,1,1/3;1/3,1,1/2,1/5;1,2,1,1/3;3,5,5,1]; 
[m,n]=size(matrix); % 得到矩阵的 行数和列数
m1=size(matrix,1); % 得到矩阵的行数
n1=size(matrix,2); % 得到矩阵的列数
n2=length(matrix);
mum1=matrix(1,3); % 取出矩阵的第一行，第三列   
num2=matrix(1,:); % 取出矩阵的第一行
num3=matrix(:,1); % 取出矩阵的第一列
% 当然也支持矩阵多行多列选取
label=[1,3];
num4=matrix(label,:);

其中matrix(1,:)表示选取矩阵的第一行和所有列，:在这里表示1:end。

而matrix(label,:)表示选取label这个矩阵的行和列，:在这里表示1和2。

3、矩阵运算

ju1=4*ones(10,5); % 10行5列的全为4矩阵
ju2=8*ones(5,2); % 5行2列的全为8矩阵
ju3=ones(4,4); % 4行4列的全为4矩阵
ju4=6*ones(10,5); % 10行5列的全为6矩阵
ju5=2*ones(4,4); % 4行4列的全为2矩阵
%%
ju3+ju5 % 矩阵ju3与ju5相加
ju3-ju5 % 矩阵ju3与ju5相减
%%
num1=ju1*2; % 将矩阵num1赋值为 矩阵ju1 乘 2
num2=ju1.^(1/2); % 将矩阵num2赋值为 每个元素做平方根运算的矩阵ju1
%%
num3=ju3*ju5; % 将矩阵num3赋值为 矩阵ju3 乘 ju5
%%
num4=ju3.*ju5; % 将矩阵num4赋值为 矩阵ju3每一个对应元素 乘 矩阵ju5每一个对应元素
%%
num5=ju3/ju5; %等效于ju3的逆矩阵与ju5相乘
num6=ju3./ju5; % 矩阵ju3每一个对应元素 除以 矩阵ju5每一个对应元素
[ju3,ju5] % 水平方向合并，行数要相同
%%
[ju3;ju5] % 竖直平方向合并 ，列数要相同

4、矩阵函数

先给出一个矩阵：

ju1=[ 0.6472    0.2289    0.1946    0.7796    0.4582
    0.7360    0.3010    0.1496    0.1583    0.8554
    0.8710    0.4099    0.8552    0.7292    0.1318
    0.8671    0.1923    0.9307    0.1935    0.6139];

关于这个矩阵的一些统计学变量：

max(ju1) % 矩阵列最大值
max(ju1') % 矩阵行最大值
%%
max(max(ju1)) % 所有矩阵的最大值
%%
[A,B]=max(ju1) % 最大值和所在位置

平均值mean、最小值min、标准差std与以上举的最大值max的用法都是一样的

外部数据的导入

1、xlsread

功能：只读数据，不读表头。

data_table=xlsread('附件1 近5年402家供应商的相关数据.xlsx','企业的订货量（m³）');
% 如果没有逗号后面的内容，则默认读第一个Sheet

在这里插入图片描述

2、readmatrix

功能：既读数据，又读表头，表头为NaN。

data_table2=readmatrix('附件1 近5年402家供应商的相关数据.xlsx','Sheet','企业的订货量（m³）');

在这里插入图片描述
加上以下代码，可使readmatrix与xlsread效果相同（即只读数据，删除表头）：

data_table2(:,[1,2])=[]; % 对所有行和对应1，2两列的NaN赋值为空

3、readtable

功能：既读数据，又读表头，表头保留。

data_table3=readtable('附件1 近5年402家供应商的相关数据.xlsx','Sheet','企业的订货量（m³）');
data_table4=readtable('附件1 近5年402家供应商的相关数据.xlsx','Sheet','供应商的供货量（m³）');

在这里插入图片描述

4、readcell

功能：既读数据，又读表头，表头保留，每个数据为一个元胞。

data_table5=readcell('附件1 近5年402家供应商的相关数据.xlsx','Sheet','企业的订货量（m³）');

在这里插入图片描述
以(2, 3)元胞为例：

5、load

功能：导入历史.mat文件中的数据。

load('带缺少数据.mat');

在这里插入图片描述
不常用。

6、总结

不管导入成什么数据，都要把数据内容转化为矩阵形式。

需要用到函数table2array():

data=data_table3(:,3:end); % 导入所有的行和第3~最后一列(:等价于1:end)
data1=table2array(data); % 企业订货量
data2=table2array(data_table4(:,3:end)); % 供应商供货量

在以上介绍的5种函数中，最常用的是3、readtable。

下面以2021年全国大学生数学建模大赛C题的数据为例，介绍一些对外部数据操作的典例。

外部数据的操作

外部数据导入说明

先导入2021年全国大学生数学建模大赛C题的附件1 近5年402家供应商的相关数据.xlsx的第二个表单供货商的供货量（m³）

data_table4=readtable('附件1 近5年402家供应商的相关数据.xlsx', 'Sheet', '供货商的供货量（m³）');
data2=table2array(data_table4(:,3:end));

1、求每个供应商最大值，最小值，平均值

data_max=max(data2'); % max对每一行对应的列进行操作
data_max=min(data2'); % min对每一行对应的列进行操作
data_mean=mean(data2'); % mean对每一行对应的列进行操作

在此写成data2'而不是data2是因为'的功能是转置矩阵，由于本题数据中行是供应商，列是订货量，max()、min()、mean()都是对每一列进行操作，要先把矩阵原来的行变为列，因此**要把矩阵先转置才能用max()、min()、mean() **求每一个供应商的供应量的最大值、最小值、平均值。

2、求所有供货量不为0的供货商的数据及统计学变量

求供应商1的供货量不为0的数据和次数：

data_shang1=data2(1,:);
index1=find(data_shang1~=0)
num_index1=length(index1);

由此推广到求所有供货量不为0的供货商的数据和次数：

data_shangall=zeros(1,size(data2,1))
for i=size(data2,1)
	data_shang=data2(i,:);
	index=find(data_shang~=0);
	num_index=length(index);
	data_shangall(i)=num_index;
end

当然，我们还可以求每个供应商供货量的平均数：

data_shangall=zeros(1, size(data2,1));
for i=size(data2, 1)
	data_shang=data2(i,:);
	index=find(data_shang~=0);
	data_mean=mean(data_shang(index));
	data_shangall(i)=data_mean;
end

注意！这里的find()函数只会返回满足括号里条件数据的索引值而不是数据本身！

3、找到矩阵的缺失值并删除所在行或列

在数学建模比赛中，赛方给的数据集中经常会有含NaN的数据，这时我们要把含NaN的行删除，这是数据预处理中数据变换的要求。

先导入一个.mat文件，里边有我们处理过的含有NaN的数据：

load('带缺少数据.mat'); % 其中含有data_nan.mat

然后使用布尔函数isnan()将每一行（列）为NaN的数据标注出来，返回索引值：

index=isnan(data_nan);

如果存储NaN数据索引值的矩阵中每行元素的和大于1，则说明此行有NaN值，将其赋值为空即可删除：

index1=find(sum(index')~=0);
data_nan1=data_nan;
data_nan1(index1,:)=[];

以上是原理，以下为上述过程的最简版本：

load('带缺少数据.mat'); % 其中含有data_nan.mat
data_nan(any(isnan(data_nan), 2), :) = [];

any() 函数会返回一个列向量，表示每行是否包含 NaN。如果某行中有任何一个元素为 NaN，则该行对应位置为1，否则为0。

4、找出类属于A,B,C的数据，存储并统计

当遇到数据集中表头分属不同类别事物的时候，我们往往需要把属于不同类别的数据单独取出处理，那么就要进行分类统计。
在这里插入图片描述
步骤如下：

表文件转化为cell
分别统计A，B，C个数
将A，B，C存在不同的元胞里分别找出并将文字标签修改为数字标签
将A，B，C分类统计

首先是表文件转化为cell：

data_abc=data_table3(:,2); % 将第2列取出来，data_table(2,:)%将第2行取出来(2,3)
data_abc_num=table2array(data_abc);  % 表文件转化为cell

table2array()本来用于将将表格（table）转换为数组（array），但此时data_table3(:,2)显然全是A，B，C这样的字符串，因此在这种情况下会将表格转换成元胞数组。

接下来是分别统计A，B，C个数：

data_tongji=tabulate(data_abc_num) % 统计ABC个数
for i=1:size(data_tongji,1)
    dianli_str{1,i}=data_tongji{i,1};
end

在这里插入图片描述

tabulate()函数用于统计输入向量中各个元素出现的次数，并以表格的形式返回结果。该函数会返回一个矩阵，其中包含三列：第一列是唯一的元素值，第二列是该元素在输入向量中出现的次数，第三列是每个元素在输入向量中的相对频率。
在这里插入图片描述

然后是将A，B，C存在不同的元胞里分别找出并将文字标签修改为数字标签：

data_shuju=zeros(length(data_abc_num),1);
for NN=1:length(dianli_str)
    idx = find(ismember(data_abc_num, dianli_str{1,NN} ));
    data_shuju(idx)=NN;
end

在这里插入图片描述

（备注：B是1，A是2，C是3）

最后我们就可以将A，B，C分类统计了：

for i=1:size(data_tongji,1) % 将不同标签行的位置分别找出来存在不同的元胞里，因为维度不一样
    A(i)={find(data_shuju==i)};
end

在这里插入图片描述

A(1, 1)为B，A(1, 2)为A，A(1, 3)为C，点开即可查看不同类别的统计结果，或用

ans=data_table3(A{1,1},:);

取出：
在这里插入图片描述

5、归一化处理

归一化：归一化是将数据转化为一定范围内的数值，通常是将数据映射到[0,1]或[-1,1]之间。归一化的目的是消除不同特征之间的量纲差异，使得不同特征具有可比性。常见的归一化方法有Z-score归一化（标准化）、最小-最大归一化（Min-Max Scaling）。

先导入数据：

data_table3=readtable('附件1 近5年402家供应商的相关数据.xlsx','Sheet','企业的订货量（m³）');
data=data_table3(:,3:end); % 导入所有的行和第3~最后一列(:等价于1:end)
data1=table2array(data); % 企业订货量

Z-score标准化：zscore()函数

定义：通过将数据减去均值并除以标准差，将数据转化为均值为0，方差为1的标准正态分布。一般适用于数据分布近似正态分布的情况，可以通过减少数据间的偏差，来使得数据更加稳定，而且有助于消除不同特征之间的量纲影响，使得不同特征之间可以进行更为公平的比较和分析。

标准化公式：
$z = (x - μ) / σ$
其中，x表示原始数据，μ表示数据的均值，σ表示数据的标准差，标准化后得到的z值符合标准正态分布，意味着均值为0，方差为1。

zscore()函数用于计算数据的z分数，即将数据标准化为均值为0，标准差为1的形式。具体来说，对于给定的数据向量或矩阵，会进行以下计算：

计算数据的均值（mean）和标准差（standard deviation）。
对数据进行中心化处理，即每个数据点减去均值。
将中心化后的数据除以标准差，从而得到标准化后的数据。
```
std_data=zscore(data1) ; % 对矩阵每列进行标准化
```

在这里插入图片描述

最小-最大归一化：mapminmax() 函数

定义：

最小-最大归一化公式：
$X^{'} = (X - X min) / (X ma x - X min)$
其中，X'是归一化后的数据，X是原始数据，Xmin和Xmax分别是原始数据的最小值和最大值。

mapminmax() 函数会对给定的数据进行如下处理：

找到数据的最小值和最大值。
对数据进行线性变换，将数据缩放到指定的范围内（通常是 [0, 1] 或者 [-1, 1]）。

这样处理后的数据集中，所有的数据点都会落在指定的范围内，从而消除了不同特征之间的量纲影响，便于进行数据分析和机器学习任务。

std_data1= mapminmax(data1', 0, 1)'; % 对矩阵每行进行标准化，要先转置矩阵

结合4、，如果像批量处理A，B，C三类数据的归一化结果，首先以对B类数据进行标准化为例：

B_data=data1(A{1,1},:);
std_B_data=zscore(B_data);
A{2,1}=std_B_data;

由此可推广为对A，B，C三类数据的批量归一化操作：

for i=1:length(A)
    B_data=data1(A{1,i},:);
    std_B_data=zscore(B_data);
	A{2,i}=std_B_data;
end

6、3σ原则处理异常值

数据清洗的重要一步。

正态分布的3σ原则：数值分布在(μ-σ,μ+σ)中的概率为0.6827；数值分布在(μ-2σ,μ+2σ)中的概率为0.9545；数值分布在(μ-3σ,μ+3σ)中的概率为0.9973，可以认为，Y的取值几乎全部集中在(μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%。

cleaned_data = data1;  % 创建一个副本来存储处理后的数据

for i = 1:size(data1, 1)
    data_te = data1(i, :);
    data_mean = mean(data_te); % 算平均数μ
    data_std = std(data_te); % 算标准差σ
    index = data_te < (data_mean - 3 * data_std) | data_te > (data_mean + 3 * data_std); % 3σ原则
    cleaned_data(i, index) = NaN; % 使用逻辑索引保留非异常值
end

% 删除包含 NaN 的行
cleaned_data(any(isnan(cleaned_data), 2), :) = [];

在这里插入图片描述

图像绘制

二维图像绘制

绘制单条曲线

x = 0:pi/100:2*pi;
y = sin(x);
plot(x,y)

在这里插入图片描述

绘制多条曲线

x = linspace(-2*pi,2*pi);
y1 = sin(x);
y2 = cos(x);
plot(x,y1,x,y2)

在这里插入图片描述

绘制多条曲线（利用矩阵，将矩阵的每一列绘制为单独的线条）
```
Y = magic(4);
plot(Y)
```

在这里插入图片描述

指定线型

x = 0:pi/100:2*pi;
y1 = sin(x);
y2 = sin(x-0.25);
y3 = sin(x-0.5);
plot(x,y1,x,y2,'--',x,y3,':')

在这里插入图片描述
线性查找表

指定标记

x = 0:pi/10:2*pi;
y1 = sin(x);
y2 = sin(x-0.25);
y3 = sin(x-0.5);
plot(x,y1,'g',x,y2,'b--o',x,y3,'c*')

在这里插入图片描述

指定标记（在特定的点处）

x = linspace(0,10);
y = sin(x);
plot(x,y,'-o','MarkerIndices',1:5:length(y))

在这里插入图片描述

标记查找表
在这里插入图片描述

指定线宽、标记大小和标记颜色

x = -pi:pi/10:pi;
y = tan(sin(x)) - sin(tan(x));
plot(x,y,'--gs',...
    'LineWidth',2,...
    'MarkerSize',10,...
    'MarkerEdgeColor','b',...
    'MarkerFaceColor',[0.5,0.5,0.5])

在这里插入图片描述
颜色查找表

添加标题和轴标签

x = linspace(0,10,150);
y = cos(5*x);
plot(x,y,'Color',[0,0.7,0.9])
title('2-D Line Plot')
xlabel('x')
ylabel('cos(5x)')

在这里插入图片描述

绘制持续时间并指定刻度格式

t = 0:seconds(30):minutes(3);
y = rand(1,7);
plot(t,y,'DurationTickFormat','mm:ss')

在这里插入图片描述

1、散点图绘制

创建散点图

x = linspace(0,3*pi,200);
y = cos(x) + rand(1,200);  
scatter(x,y)

在这里插入图片描述

改变点的大小

x = linspace(0,3*pi,200);
y = cos(x) + rand(1,200);
sz = linspace(1,100,200);
scatter(x,y,sz)

在这里插入图片描述

改变点的颜色

x = linspace(0,3*pi,200);
y = cos(x) + rand(1,200);
c = linspace(1,10,length(x));
scatter(x,y,[],c)

在这里插入图片描述

改变点的填充

x = linspace(0,3*pi,200);
y = cos(x) + rand(1,200);
sz = 25;
c = linspace(1,10,length(x));
scatter(x,y,sz,c,'filled')

在这里插入图片描述

改变标记符号

theta = linspace(0,2*pi,150);
x = sin(theta) + 0.75*rand(1,150);
y = cos(theta) + 0.75*rand(1,150);  
sz = 140;
scatter(x,y,sz,'d')

在这里插入图片描述

2、直方图绘制

创建直方图

x = 1900:10:2000;
y = [75 91 105 123.5 131 150 179 203 226 249 281.5];
bar(x,y)

在这里插入图片描述

更改横坐标

X = categorical({'Small','Medium','Large','Extra Large'});
X = reordercats(X,{'Small','Medium','Large','Extra Large'});
Y = [10 21 33 52];
bar(X,Y)

在这里插入图片描述

堆叠直方图

x = [1980 1990 2000];
y = [15 20 -5; 10 -17 21; -10 5 15];
bar(x,y,'stacked')

在这里插入图片描述

3、统计图绘制

创建统计图
```
x = randn(10000,1);
histogram(x)
```

在这里插入图片描述

更改直方个数

x = randn(1000,1);
nbins = 25;
histogram(x,nbins)

在这里插入图片描述

指定每个直方柱对应的范围

x = randn(1000,1);
edges = [-10 -2:0.25:2 10];
histogram(x,edges);

在这里插入图片描述

4、饼状图绘制

创建饼状图

X = 1:3;
labels = {'Taxes','Expenses','Profit'};
pie(X,labels)

在这里插入图片描述

5、阶梯图绘制

创建阶梯图

X = linspace(0,4*pi,40);
Y = sin(X);
stairs(Y)

在这里插入图片描述

6、极坐标图绘制

创建极坐标图

theta = 0:0.01:2*pi;
rho = sin(2*theta).*cos(2*theta);
polarplot(theta,rho)

在这里插入图片描述

7、区域图绘制

创建极区域图

Y = [1 5 3; 3 2 7; 1 5 3; 2 6 1];
area(Y)

在这里插入图片描述

三维图像绘制

创建三维曲线图

t = 0:pi/500:40*pi;
xt = (3 + cos(sqrt(32)*t)).*cos(t);
yt = sin(sqrt(32) * t);
zt = (3 + cos(sqrt(32)*t)).*sin(t);
plot3(xt,yt,zt)
axis equal
xlabel('x(t)')
ylabel('y(t)')
zlabel('z(t)')

在这里插入图片描述

1、3D散点图绘制

创建三维散点图

z = linspace(0,4*pi,250);
x = 2*cos(z) + rand(1,250);
y = 2*sin(z) + rand(1,250);
scatter3(x,y,z,'filled')

在这里插入图片描述

2、3D直方图绘制

创建垂直三维直方图

load count.dat
Z = count(1:10,:);
width = 0.5;
bar3(Z,width)
title('Bar Width of 0.5')

在这里插入图片描述

创建水平三维直方图

load count.dat;
Y = count(1:10,:);
width = 0.5;
figure
bar3h(Y,width)
title('Width of 0.5')

在这里插入图片描述

3、3D统计图绘制

创建三维统计图

load carbig
X = [MPG,Weight];
hist3(X)
xlabel('MPG')
ylabel('Weight')

在这里插入图片描述

4、3D饼状图绘制

创建三维饼状图

x = [1,3,0.5,2.5,2];
pie3(x)

在这里插入图片描述

5、3D曲面图绘制

创建三维曲面图

[X,Y] = meshgrid(-5:.5:5);
Z = Y.*sin(X) - X.*cos(Y);
s = surf(X,Y,Z,'FaceAlpha',0.5)

在这里插入图片描述

6、3D网格曲面图绘制

创建三维网格曲面图

[X,Y] = meshgrid(-8:.5:8); % 可以修改边界
R = sqrt(X.^2 + Y.^2) + eps;
Z = sin(R)./R;
mesh(X,Y,Z)

在这里插入图片描述

7、等高线图绘制

创建三维曲面图

x = -2:0.2:2;
y = -2:0.2:3;
[X,Y] = meshgrid(x,y);
Z = X.*exp(-X.^2-Y.^2);
contour(X,Y,Z,'ShowText','on')

在这里插入图片描述

总结

绘图常用指令

指令	功能
hold on / hold off	保持/不保持图像
colorbar	颜色栏
xlim([x1,x2]) / ylim	更改坐标轴范围
xlabel / ylabel	增加坐标轴标签
title	增加图像标题
axis on/aixs off	打开/关闭坐标轴
text(x,y,’str’)	在(x,y)处添加文字
quiver(x1,y1,x2,y2)	生成(x1,y1)到(x2,y2)的箭头

NLP4RE

关注

34
点赞
踩
35

收藏

觉得还不错? 一键收藏
1
评论
数学建模：Matlab学习随笔

不管导入成什么数据，都要把数据内容转化为矩阵形式。需要用到函数% 导入所有的行和第3~最后一列(:等价于1:end)% 企业订货量% 供应商供货量在以上介绍的5种函数中，最常用的是。下面以2021年全国大学生数学建模大赛C题的数据为例，介绍一些对外部数据操作的典例。绘图常用指令指令功能保持/不保持图像colorbar颜色栏更改坐标轴范围增加坐标轴标签title增加图像标题打开/关闭坐标轴在(x,y)处添加文字生成(x1,y1)到(x2,y2)的箭头。
复制链接

扫一扫