javascript技巧

关注公众号 jb51net

关闭
首页 > 网络编程 > JavaScript > javascript技巧 > MATLAB中fillmissing函数

MATLAB中fillmissing函数用法小结

作者：jk_101

这篇文章主要介绍了MATLAB中fillmissing函数用法,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

fillmissing函数的功能是填充缺失的条目。

语法

F = fillmissing(A,'constant',v)
F = fillmissing(A,method)
F = fillmissing(A,movmethod,window)
F = fillmissing(A,'knn')
F = fillmissing(A,'knn',k)
F = fillmissing(A,fillfun,gapwindow)
F = fillmissing(___,dim)
F = fillmissing(___,Name,Value)
[F,TF] = fillmissing(___)

说明

        ​F = fillmissing(A,'constant',v) 使用常量值 v 填充缺失的数组或表条目。如果 A 是矩阵或多维数组，则 v 可以是标量或向量。如果 v 是向量，则每个元素指定 A 的对应列中的填充值。如果 A 是表或时间表，则 v 也可以是元胞数组，其元素包含每个表变量的填充值。

缺失值的定义取决于  A  的数据类型：

如果  A  是表，则每个变量的数据类型定义该变量的缺失值。

        ​F = fillmissing(A,method) 使用 method 指定的方法填充缺失的条目。例如，fillmissing(A,'previous') 对 A 中的缺失条目使用上一个非缺失条目进行填充。

        ​F = fillmissing(A,movmethod,window) 使用窗长度为 window 的移动窗均值或中位数填充缺失条目。例如，fillmissing(A,'movmean',5) 使用窗长度为 5 的移动均值填充缺失数据。

        F = fillmissing(A,'knn') 用最近邻行中的对应值填充缺失条目，这些值是根据行之间的成对欧几里德距离计算的。

        F = fillmissing(A,'knn',k) 用 k 最近邻行中对应值的均值填充缺失条目，该均值是根据行之间的成对欧几里德距离计算的。例如，fillmissing(A,'knn',5) 用五个最近邻行中对应值的均值填充 A 中的缺失条目。

        F = fillmissing(A,fillfun,gapwindow) 使用由函数句柄 fillfun 指定的自定义方法填充缺失条目的空缺，并在每个空缺周围设置固定窗，从该窗计算填充值。fillfun 必须具有输入参数 xs、ts 和 tq，它们是向量，分别包含长度为 gapwindow 的采样数据 xs、长度为 gapwindow 的采样数据位置 ts 和缺失数据位置 tq。ts 和 tq 中的位置是采样点向量的子集。

        F = fillmissing(___,dim) 支持上述语法中的任何输入参数组合，且可指定 A 中要进行运算的维度。默认情况下，fillmissing 沿其大小不为 1 的第一个维度进行运算。例如，如果 A 是矩阵，则 fillmissing(A,2) 跨 A 的各列进行运算，逐行填充缺失的数据。

        F = fillmissing(___,Name,Value) 使用一个或多个名称-值参数指定用于填充缺失值的其他参数。例如，如果 t 是时间值向量，则 fillmissing(A,'linear','SamplePoints',t) 会基于 t 中的时间值对 A 中的数据进行插值。

        ​[F,TF] = fillmissing(___) 还返回逻辑数组 TF，该数组指示 F 中先前缺失现已填充的条目的位置。

示例

包含  NaN  值的向量

        创建包含 NaN 值的向量，并使用前一个非缺失值替换每个 NaN。

A = [1 3 NaN 4 NaN NaN 5];
F = fillmissing(A,'previous')
F = 1×7
     1     3     3     4     4     4     5

由  NaN  值组成的矩阵

        创建一个 2×2 矩阵，每列有一个 NaN 值。在第一列中用 100 填充 NaN，在第二列中用 1000 填充。

A = [1 NaN; NaN 2]
A = 2×2
     1   NaN
   NaN     2
F = fillmissing(A,'constant',[100 1000])
F = 2×2
           1        1000
         100           2

插入缺失数据

        使用插值来替换非均匀采样的数据中的 NaN 值。定义非均匀采样点向量，并计算这些点上的正弦函数。

x = [-4*pi:0.1:0, 0.1:0.2:4*pi];
A = sin(x);

将 NaN 值插入 A 中。

A(A < 0.75 & A > 0.5) = NaN;

        使用线性插值填充缺失数据，并返回填充的向量 F 和逻辑向量 TF。TF 项中的值 1 (true) 对应于 F 中的填充值。

[F,TF] = fillmissing(A,'linear','SamplePoints',x);

绘制原始数据和填充的数据。

scatter(x,A)
hold on
scatter(x(TF),F(TF))
legend('Original Data','Filled Data')

如图所示：

使用移动中位数方法

        使用移动中位数填充缺失的数值数据。创建样本点向量 x 和包含缺失值的数据向量 A。

x = linspace(0,10,200); 
A = sin(x) + 0.5*(rand(size(x))-0.5); 
A([1:10 randi([1 length(x)],1,50)]) = NaN;

        使用窗长度为 10 的移动中位数替换 A 中的 NaN 值，并绘制原始数据和填充的数据。

F = fillmissing(A,'movmedian',10);  
plot(x,F,'.-') 
hold on
plot(x,A,'.-')
legend('Original Data','Filled Data')

如图所示：

使用自定义填充方法

        定义一个自定义函数，用上一个非缺失值填充 NaN 值。定义采样点向量 t 和包含 NaN 值的对应数据向量 A。绘制数据图。

t = 10:10:100;
A = [0.1 0.2 0.3 NaN NaN 0.6 0.7 NaN 0.9 1];
scatter(t,A)

如图所示：

        使用局部函数 forwardfill（在示例末尾定义）用上一个非缺失值填充缺失空缺。函数句柄输入包括：

n = 2;
gapwindow = [10 0];
[F,TF] = fillmissing(A,@(xs,ts,tq) forwardfill(xs,ts,tq,n),gapwindow,'SamplePoints',t);

        空缺窗值 [10 0] 指示 fillmissing 考虑缺失值空缺之前的一个数据点，不考虑空缺之后的任何数据点，因为上一个非缺失值位于空缺之前 10 个单位。对于第一个空缺，由 fillmissing 确定的函数句柄输入值为：

第二个空缺的函数句柄输入值为：

绘制原始数据和填充的数据。

scatter(t,A)
hold on
scatter(t(TF),F(TF))

如图所示：

function y = forwardfill(xs,ts,tq,n)
% Fill n values in the missing gap using the previous nonmissing value
y = NaN(1,numel(tq));
y(1:min(numel(tq),n)) = xs;
end

包含缺失端点的矩阵

        创建包含缺失条目的矩阵并使用线性插值填充各列（第二个维度），一次一行。对于每行，使用该行中距离最近的非缺失值填充前导和尾随缺失值。

A = [NaN NaN 5 3 NaN 5 7 NaN 9 NaN;
     8 9 NaN 1 4 5 NaN 5 NaN 5;
     NaN 4 9 8 7 2 4 1 1 NaN]
A = 3×10
   NaN   NaN     5     3   NaN     5     7   NaN     9   NaN
     8     9   NaN     1     4     5   NaN     5   NaN     5
   NaN     4     9     8     7     2     4     1     1   NaN
F = fillmissing(A,'linear',2,'EndValues','nearest')
F = 3×10
     5     5     5     3     4     5     7     8     9     9
     8     9     5     1     4     5     5     5     5     5
     4     4     9     8     7     2     4     1     1     1

包含多个数据类型的表

        使用不同数据类型填充表变量的缺失值。创建表，其变量包括 categorical、double 和 char 数据类型。

A = table(categorical({'Sunny'; 'Cloudy'; ''}),[66; NaN; 54],{''; 'N'; 'Y'},[37; 39; NaN],...
    'VariableNames',{'Description' 'Temperature' 'Rain' 'Humidity'})
A=3×4 table
    Description    Temperature       Rain       Humidity
    ___________    ___________    __________    ________
    Sunny               66        {0x0 char}       37   
    Cloudy             NaN        {'N'     }       39   
    <undefined>         54        {'Y'     }      NaN

        用上一个条目的值替换所有缺失的条目。由于 Rain 变量中不存在前一个元素，缺失的字符向量将不会被替换。

F = fillmissing(A,'previous')
F=3×4 table
    Description    Temperature       Rain       Humidity
    ___________    ___________    __________    ________
      Sunny            66         {0x0 char}       37   
      Cloudy           66         {'N'     }       39   
      Cloudy           54         {'Y'     }       39

        将 A 中 Temperature 和 Humidity 变量的 NaN 值替换为 0。

F = fillmissing(A,'constant',0,'DataVariables',{'Temperature','Humidity'})
F=3×4 table
    Description    Temperature       Rain       Humidity
    ___________    ___________    __________    ________
    Sunny              66         {0x0 char}       37   
    Cloudy              0         {'N'     }       39   
    <undefined>        54         {'Y'     }        0

参数说明：

A-输入数据，指定为向量、矩阵、多维数组、字符向量元胞数组、表或时间表。

v-填充常量，指定为标量、向量或元胞数组。

method-填充方法，指定为下列值之一：

方法描述
'previous'上一个非缺失值
'next'下一个非缺失值
'nearest'距离最近的非缺失值
'linear'相邻非缺失值的线性插值（仅限数值、duration 和 datetime 数据类型）
'spline'分段三次样条插值（仅限数值、duration 和 datetime 数据类型）
'pchip'保形分段三次样条插值（仅限数值、duration 和 datetime 数据类型）
'makima'修正 Akima 三次 Hermite 插值（仅限数值、duration 和 datetime 数据类型）

movmethod  — 移窗法

填充缺失数据的移动方法，指定为下列值之一：

方法描述
'movmean'窗长度为 window 的移动均值（仅限数值数据类型）
'movmedian'窗长度为 window 的移动中位数（仅限数值数据类型）

window  — 窗长度        

移动方法的窗长度，指定为正整数标量、由正整数组成的二元素向量、正持续时间标量或由正持续时间组成的二元素向量。窗是相对于采样点定义的。

        如果 window 是正整数标量，则窗以当前元素为中心并且包含 window-1 个相邻元素。如果 window 是偶数，则窗口以当前元素和上一个元素为中心。

        如果 window 是由正整数组成的二元素向量 [b f]，则窗口包含当前元素、其之前的 b 个元素和之后的 f 个元素。

        如果 A 是时间表或 SamplePoints 指定为 datetime 或 duration 向量，则窗口必须为 duration 类型。

k  — 最近邻的数量,用 'knn' 方法计算平均值的最近邻的数量，指定为正整数标量。

到此这篇关于MATLAB中fillmissing函数用法的文章就介绍到这了,更多相关MATLAB中fillmissing函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:
阅读全文