处理前数据

数据清理,平滑,分组

数据可能需要预处理技术,以确保准确,高效,或有意义的分析。数据清理是指用于发现,拆卸和更换损坏或丢失数据的方法。检测局部极值和突然变化可以帮助识别显著数据趋势。平滑和消解趋势是用于去除数据中的噪声和多项式趋势流程,同时缩放改变数据的边界。分组和分级方法,通过组识别数据的特点。

现场编辑任务

干净的缺失数据 查找,填写,或在实时编辑器删除丢失的数据
干净的异常数据 查找,填写,或在实时编辑器删除异常值
查找变点 查找数据在实时编辑的突然变化
寻找局部极值 查找实时编辑局部最大值和最小值
平稳的数据 在实时编辑平滑噪声数据
删除趋势 在实时编辑器从数据多项式趋势
加入表 结合使用关键变量两个表中的现场编辑器

职能

展开全部

不见了 查找遗漏值
rmmissing 删除缺少的项
fillmissing 填写遗漏值
失踪 创建遗漏值
standardizeMissing 插入标准缺失值
isoutlier 查找数据异常
filloutliers 检测并更换数据异常
rmoutliers 检测并删除数据异常
movmad 移动中值绝对偏差
ischange 查找数据的突然变化
islocalmin 寻找局部极小
islocalmax 查找当地的最大值
smoothdata 平滑噪声数据
movmean 移动平均值
movmedian 移动中值
消除趋势 删除多项式趋势
正常化 数据标准化
重新调整 数组元素的比例范围
离散化 组数据转换成二进制位或类别
groupcounts 组元素的数量
groupfilter 通过组过滤器
groupsummary 集团汇总计算
grouptransform 按组变换
histcounts 直方图箱数
histcounts2 双变量直方图箱数
findgroups 查找组和返回组号
splitapply 拆分数据成组,并应用功能
rowfun 应用功能表或时间表行
varfun 应用功能表或时间表变量
accumarray 构建阵列积累

话题

干净的混乱和缺失数据表

这个例子显示了如何查找,干净,缺少数据删除表中的行。

去趋势数据

从数据中移除的线性趋势。

分组变量要拆分数据

您可以使用分组变量对数据进行分类变量。

分割的数据分组并计算统计数据

这个例子显示了如何对数据进行分组和应用统计功能每个组。

拆分表格数据变量和应用功能

这个例子展示了如何组数据变量和应用功能到每个组。

精选示例