创建和组织缺少数据

MATLAB中缺少值的表单取决于数据类型。例如，数字数据类型如双倍的用南（不是一个数字）表示缺失的值。

x = [纳米1 2 3 4];

你也可以使用丢失的值表示缺少的数字数据或其他类型的数据，例如约会时间那细绳， 和分类。matlab自动转换丢失的数据的本机类型。

xdouble = [缺少1 2 3 4]

xdouble =.1×5南1 2 3 4

xdatetime = [缺少DateTime（2014,1：4,1）]

xdatetime =1x5 DateTime.NAT 01-JAN-2014 01-FEB-2014 01-MAR-2014 01-APR-2014

xstring = [缺失“一种”“b”“C”“D”]

XString =.1x5字符串<缺失>“a”“b”c“”d“

xcategorical = [缺少分类（{'cat1''cat2''cat3''cat4'}）]

xcategorical =1x5分类<未定义> CAT1 CAT2 CAT3 CAT4

数据集可能包含要视为缺失数据的值，但不是MATLAB中的标准MATLAB缺失值，例如南。你可以使用标准造理函数将这些值转换为数据类型的标准缺失值。例如，将4视为缺失双倍的附加值南。

XStandard =标准化（XDOBLE，[4 NAN]）

XStandard =1×5NaN 1 2 3 Nan

假设您希望将缺失值作为数据集的一部分保持，但从其余数据中分离它们。几个MATLAB函数使您可以在进一步处理之前控制丢失值的放置。例如，使用'遗漏'选择与种类动作搬家南s到数据的末尾。

xsort = sort（xstandard，'遗漏'那'最后的'）

Xsort =.1×51 2 3南楠

查找，替换和忽略缺失数据

即使您在MATLAB中未明确创建缺失值，也可以在导入现有数据或使用数据计算时出现。如果您不知道数据中的缺失值，则后续计算或分析可能会误导。

例如，如果你在不知不觉地绘制一个包含a的向量南价值，南没有出现，因为阴谋功能忽略它并正常绘制剩余点。

nandata = [1：9 nan];情节（1：10，Nandata）

但是，如果您计算数据的平均值，结果是南。在这种情况下，提前知道数据包含一个更有助于南，然后选择在计算平均值之前忽略或删除它。

含义=平均值（Nandata）

含义= nan

找到一种方法南s中的数据是通过使用的isnan.函数，返回指示任何位置的逻辑阵列南价值。

tf = isnan（nandata）

tf =1x10逻辑阵列0 0 0 0 0 0 0 0 0 0 1

同样，不见了函数返回多个数据类型数据中缺失值的位置。

tfdouble = ismissing（xdouble）

tfdouble =1x5逻辑阵列1 0 0 0 0

tfdatetime = ismissing（xdatetime）

tfdatetime =1x5逻辑阵列1 0 0 0 0

假设您正在使用具有多种数据类型的变量组成的表或时间表。您可以找到一个呼叫的所有缺失值不见了，无论他们的类型如何。

xtable = table（xdouble'，xdatetime'，xstring'，xcategorical'）

xtable =.5×4表var1 var2 var3 var4 ____ ______________________ _____________南NAT <缺失> <未定义> <未定义> 1 01-jan-2014“A”CAT1 2 01-FEB-2014“B”CAT2 3 01-MAR-2014“C”CAT3 4 01-APR-2014“D”CAT4

tf = ismissing（xtable）

tf =5x4逻辑阵列1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

缺失的值可以表示处理或分析的无法使用的数据。用填充用另一个值替换缺失的值或使用rmmissing.完全删除缺失值。

xilless = fillmissing（xstandard，'不变'，0）

Xill =.1×50 1 2 3 0

XRemove = rmmissing（XStandard）

Xremove =1×3.1 2 3.

许多MATLAB函数使您能够忽略缺失值，而无需明确定位，填充或首先删除它们。例如，如果您计算包含的向量的总和南值，结果是南。但是，你可以直接忽略南通过使用的总和'omitnan'选择与和功能。

Sumnan = Sum（xdouble）

校长= NAN.

sumomitnan = sum（xdouble，'omitnan'）

Sumomitnan = 10.