二、数据可视化

1. 基础绘图函数

(1) 折线图（plot）

• 单线图：

  x = 0:0.1:2*pi;
  y = sin(x);
  plot(x, y, 'r--', 'LineWidth', 2);  % 红色虚线，线宽2
  title('Sine Wave');
  xlabel('X');
  ylabel('Y');
  grid on;
  

(2) 散点图（scatter）

• 带颜色映射的散点图：

  scatter(data.Height, data.Weight, 50, data.Age, 'filled');
  colorbar;
  xlabel('Height');
  ylabel('Weight');
  

(3) 柱状图（bar）

• 分组柱状图：

  categories = {'A', 'B', 'C'};
  values = [20, 35, 30; 25, 32, 34];  % 两行数据（两组）
  bar(values');
  legend('Group 1', 'Group 2');
  set(gca, 'XTickLabel', categories);
  

---

2. 高级可视化技巧

(1) 多子图布局（subplot）

subplot(2, 2, 1);  % 2行2列，第1个子图
plot(x, sin(x));
subplot(2, 2, 2);
plot(x, cos(x));
subplot(2, 2, 3);
scatter(rand(10,1), rand(10,1));
subplot(2, 2, 4);
bar([1 2 3], [4 5 6]);

(2) 3D 绘图

• 3D 曲面图：

  [X, Y] = meshgrid(-2:0.1:2);
  Z = X .* exp(-X.^2 - Y.^2);
  surf(X, Y, Z);
  shading interp;  % 平滑着色
  colormap('jet');
  colorbar;
  

(3) 动态可视化（动画）

t = 0:0.1:10;
figure;
for i = 1:length(t)
    y = sin(t(i));
    plot(t(i), y, 'ro', 'MarkerSize', 10);
    xlim([0 10]);
    ylim([-1 1]);
    drawnow;  % 立即更新图形
end

---

3. 图形美化

(1) 设置图形属性

• 字体与标签：

  title('My Plot', 'FontSize', 14, 'FontWeight', 'bold');
  xlabel('Time (s)', 'FontSize', 12);
  ylabel('Amplitude', 'FontSize', 12);
  

• 坐标轴调整：

  set(gca, 'XTick', 0:2:10, 'YTick', -1:0.5:1);  % 自定义刻度
  axis([0 10 -1 1]);  % 设置坐标范围 [xmin xmax ymin ymax]
  

(2) 导出高质量图片

• 保存为 PNG/PDF：

  exportgraphics(gcf, 'plot.png', 'Resolution', 300);  % 保存当前图形为300dpi的PNG
  

---

三、实战案例

案例 1：销售数据分析

1. 数据读取与清洗：

   salesData = readtable('sales.csv');
   salesData = rmmissing(salesData);  % 删除含缺失值的行
   

2. 按月份统计销售额：

   salesData.Month = month(salesData.Date);  % 提取月份
   monthlySales = groupsummary(salesData, 'Month', 'sum', 'Revenue');
   

3. 绘制堆叠柱状图：

   bar(monthlySales.Month, monthlySales.sum_Revenue);
   title('Monthly Sales Revenue');
   xlabel('Month');
   ylabel('Total Revenue (USD)');
   

案例 2：传感器信号处理

1. 读取并滤波信号：

   load('sensorData.mat');  % 包含信号向量 t 和 rawSignal
   filteredSignal = lowpass(rawSignal, 5, 100);  % 截止频率5Hz，采样率100Hz
   

2. 绘制原始与滤波后信号对比：

   plot(t, rawSignal, 'b', t, filteredSignal, 'r', 'LineWidth', 1.5);
   legend('Raw Signal', 'Filtered Signal');
   xlabel('Time (s)');
   ylabel('Amplitude');
   

---

四、常见问题与调试

1. 数据维度不匹配

• 错误示例：

  plot(x, y1, x, y2);  % 若 length(y1) ≠ length(y2)，会报错
  

• 解决：检查并统一数据长度。

2. 图形重叠显示

• 问题：多次绘图未清除前一次图形。
• 解决：使用 clf 或 figure 创建新窗口：

  figure;  % 新建图形窗口
  plot(x, y);
  

3. 性能优化

• 避免循环：优先使用向量化操作或内置函数。

  % 低效
  for i = 1:length(data)
      processedData(i) = data(i) * 2;
  end
  
  % 高效
  processedData = data * 2;
  

---

五、学习资源推荐

1. 官方文档：
   • MATLAB 绘图文档
   • 表格数据处理
2. 实战练习：
   • Kaggle 数据集（如 Titanic, Iris）导入并分析。
   • 使用 MATLAB 内置数据集（如 load patients）练习可视化。

---

重点详解

在 MATLAB 中，plot 函数是用于绘制 二维线图 的核心函数，广泛应用于数据可视化。它可以绘制折线图、散点图（结合标记）、多曲线图等，并支持丰富的样式自定义。以下是 plot 函数的详细说明：

---

一、基本语法

plot(X, Y)                  % 绘制 Y 对 X 的线图
plot(X, Y, LineSpec)        % 指定线条样式、颜色、标记
plot(X1, Y1, ..., Xn, Yn)  % 在同一图中绘制多组数据
plot(___, Name, Value)      % 通过名称-值对设置属性（如线宽、颜色）

---

二、核心参数说明

1. 输入数据

• X：横坐标数据（向量或矩阵）。
• Y：纵坐标数据（向量或矩阵）。
  • 若 X 和 Y 均为向量，长度需一致。
  • 若 X 或 Y 为矩阵，按列绘制多曲线（见示例）。

2. 格式化字符串 (LineSpec)

通过字符串组合指定线条样式、颜色和标记（详见前文 'r--' 的解释）：

• 颜色：r（红）、g（绿）、b（蓝）等。
• 线型：-（实线）、--（虚线）、:（点线）。
• 标记：o（圆圈）、+（加号）、*（星号）等。

3. 名称-值对参数

通过键值对精细控制图形属性：

• 'LineWidth'：线条宽度（默认 0.5）。
• 'MarkerSize'：标记大小（默认 6）。
• 'Color'：颜色（RGB 三元组或颜色名称）。
• 'MarkerFaceColor'：标记填充颜色。

---

三、常见使用场景与示例

1. 绘制单条曲线

x = 0:0.1:2*pi;
y = sin(x);
plot(x, y, 'b-', 'LineWidth', 2);  % 蓝色实线，线宽2
title('Sine Wave');
xlabel('X');
ylabel('Y');
grid on;

---

2. 绘制多条曲线

(1) 多组数据多次调用 plot

x = 0:0.1:2*pi;
y1 = sin(x);
y2 = cos(x);
plot(x, y1, 'r--', x, y2, 'b-.');  % 红色虚线和蓝色点划线
legend('sin(x)', 'cos(x)');

(2) 矩阵输入自动绘制多列

Y = [sin(x); cos(x)]';  % 转置为两列的矩阵
plot(x, Y);             % 自动绘制两条曲线（默认不同颜色）

---

3. 散点图与线图结合

x = 1:10;
y = rand(1, 10);
plot(x, y, 'o-', 'MarkerSize', 8, 'MarkerFaceColor', 'r');  % 带红色填充圆圈的线图

---

4. 多子图绘制 (subplot)

subplot(2, 1, 1);  % 2行1列，第1个子图
plot(x, sin(x), 'r');
title('Subplot 1');

subplot(2, 1, 2);  % 第2个子图
plot(x, cos(x), 'b');
title('Subplot 2');

---

四、高级功能

1. 图形属性动态修改

通过句柄 (handle) 修改已绘图形：

h = plot(x, y, 'k:');  % 获取线条句柄
set(h, 'LineWidth', 2, 'Color', 'm');  % 修改为品红色宽虚线

2. 绘制复数数据

自动绘制实部 vs. 虚部：

z = exp(1i * x);       % 复数数据
plot(z, 'g-');         % 绘制实部 vs. 虚部（单位圆）
axis equal;

3. 保存图形

saveas(gcf, 'myplot.png');          % 保存为 PNG
print('-dpdf', 'myplot.pdf');       % 保存为 PDF
exportgraphics(gcf, 'plot.jpg', 'Resolution', 300);  % 高分辨率保存

---

五、常见问题与调试

1. 数据维度不匹配

• 错误示例：

  x = 1:5;
  y = [1 2 3; 4 5 6];  % y 是 2×3 矩阵
  plot(x, y);  % 报错：维度不一致
  

• 解决：确保 x 和 y 的行数或列数匹配。

2. 图形未更新

• 问题：循环中绘图未及时刷新。
• 解决：在循环内添加 drawnow 强制刷新：

  for i = 1:100
      y = rand(1);
      plot(i, y, 'ro');
      drawnow;
  end
  

3. 线条样式未生效

• 问题：格式化字符串顺序错误。
• 正确写法：

  plot(x, y, 'ro--');  % 红色圆圈标记虚线
  

---

六、总结

功能	描述
基础绘图	绘制线图、散点图，支持多曲线叠加。
样式自定义	通过 LineSpec 和名称-值对设置颜色、线型、标记、线宽等。
多子图支持	使用 subplot 在单窗口排列多个图形。
图形导出	支持保存为 PNG、PDF、JPEG 等格式。
动态修改	通过图形句柄调整已绘制的线条属性。

掌握 plot 函数后，可以轻松实现数据可视化，直观展示数据规律！建议结合实践项目（如绘制传感器信号、统计图表等）巩固技能。

在 MATLAB 中，ismissing 函数是用于检测数据中 缺失值 的核心工具，特别适用于表格（table）、时间表（timetable）和多维数组。以下是该函数的详细讲解，涵盖语法、应用场景、示例和注意事项。

---

ismissing函数

一、函数语法

TF = ismissing(A)              % 检测数组 A 中的缺失值
TF = ismissing(A, indicators)  % 自定义缺失值标识符

• 输入参数：
  • A：输入数据（支持数组、表格、时间表、字符向量、字符串、分类数组等）。
  • indicators（可选）：用户自定义的缺失值标识符（如 NaN, NaT, "", 'NA' 等）。
• 输出参数：
  • TF：与 A 维度相同的逻辑数组，true 表示对应位置是缺失值。

---

二、支持的缺失值类型

ismissing 函数自动识别以下标准缺失值：

数据类型	标准缺失值标识符
数值数组	NaN
时间数组（datetime）	NaT
持续时间（duration）	NaN
字符串数组	""（空字符串）或 <missing>
分类数组	<undefined>
表格/时间表	自动检测各列的缺失值类型

---

三、应用场景与示例

1. 检测数值数组中的缺失值

A = [1, NaN, 3; 4, 5, NaN];
TF = ismissing(A);  
% TF = [false, true, false;
%       false, false, true]

2. 检测表格中的混合类型缺失值

% 创建包含不同数据类型的表格
data = table([1; NaN; 3], ["A"; ""; "C"], datetime([2023; NaN; 2023], 1, 1));
TF = ismissing(data);
% TF = [false, false, false;
%       true,  true,  true;   % 第二行全缺失
%       false, false, false]

3. 自定义缺失值标识符

% 检测字符串中的 'NA' 和数值中的 -1
A = table([1; -1; 3], ["OK"; "NA"; "Good"], 'VariableNames', {'Value', 'Status'});
indicators = {-1, 'NA'};  % 分别对应每列的缺失值标识符
TF = ismissing(A, indicators);
% TF = [false, false;
%       true,  true;   % 第二行被标记为缺失
%       false, false]

---

四、常见操作

1. 统计每列的缺失值数量

data = readtable('data.csv');
missingCount = sum(ismissing(data));
disp('各列缺失值数量：');
disp(missingCount);

2. 删除包含缺失值的行

dataClean = data(~any(ismissing(data), 2), :);  % 删除任何列有缺失的行

3. 填充缺失值

% 用列均值填充数值列
data.Value = fillmissing(data.Value, 'constant', mean(data.Value, 'omitnan'));

---

五、注意事项

1. 数据类型一致性：

   • 对于字符向量（char）和字符串（string），ismissing 的行为不同：
     • char 数组的空字符 '' 不视为缺失值。
     • string 数组的空字符串 "" 视为缺失值。

2. 混合类型表格：

   • 当处理包含多种数据类型的表格时，ismissing 会逐列检测对应类型的标准缺失值。

3. 自定义标识符的限制：

   • 若输入为表格，indicators 必须是与列数相同的元胞数组，每个元胞定义对应列的缺失值标识符。

---

六、与 isnan 的区别

函数	适用数据类型	检测内容
ismissing	支持多种类型（表格、数组）	标准缺失值或自定义标识符
isnan	仅数值数组	仅检测 NaN

---

七、完整示例：数据清洗流程

% 读取数据
data = readtable('patient_data.csv');

% 检测缺失值
missingMatrix = ismissing(data);

% 统计每列缺失值比例
missingRatio = mean(missingMatrix) * 100;
disp('缺失值比例（%）：');
disp(missingRatio);

% 删除缺失值超过50%的列
threshold = 50;
colsToKeep = missingRatio < threshold;
data = data(:, colsToKeep);

% 用中位数填充剩余缺失值
numericVars = varfun(@isnumeric, data, 'OutputFormat', 'uniform');
for i = find(numericVars)
    data.(i) = fillmissing(data.(i), 'constant', median(data.(i), 'omitnan'));
end

% 保存清洗后的数据
writetable(data, 'cleaned_patient_data.csv');

---

总结

• 核心作用：精准定位数据中的缺失值。
• 灵活扩展：支持自定义缺失值标识符。
• 集成应用：与 fillmissing、rmmissing 等函数配合，构建完整数据清洗流程。

---

亲爱的，我把自己放在你耳边，你会听到的吧。 —木苏里