2、工程数据分析：MATLAB 实战指南

工程数据分析：MATLAB 实战指南

数据清洗与转换

原始数据通常无法直接使用，其中可能存在错误，如缺失值、重复值或过于复杂的结构。即使这些缺陷看似微不足道，但实际上可能会对结果产生严重影响，甚至导致得出错误的结论。因此，在进行数据分析之前，必须对收集到的数据进行清洗和处理，以消除或修复这些错误。

MATLAB 提供了许多函数，使数据清洗和转换过程更加快速、高效和可靠。常见的数据清洗任务包括：
1. 去除缺失数据 ：使用 rmmissing(data) 函数可以从数组或表中删除缺失条目。缺失值的定义根据数据类型而定，常见的有 NaN 、 NaT 、 <missing> 、 <undefined> 和 {''} 。

File = readtable("missingdata.csv", VariableNamingRule = "preserve");
R = rmmissing(File);

2. 去除异常值 ： rmoutliers(data, method) 函数可以根据指定的方法检测并去除数据中的异常值。方法包括 "median" 、 "mean" 、 "qua