Matlab-常用清洗数据命令

  1. 添加路径+加载数据

addpath()
load("XXX.mat")

  1. 数据转置

df = df'

  1. 判断矩阵中全是0的行或列

na=all(isnan(df),2);
z=find(na==1);
all: 当所有元素为0时返回TRUE

  1. 去掉矩阵某几个对象

df(z,:)=[]

  1. 临近填补

df=knnimpute(df);

  1. 格式转换

num2cell %将double转成cell
cell2mat %将cell转成double
string %将cell转成string
str2double %将string转成double
cellstr %将string 转成cell

  1. 查询某一个元素是否在某一列里面

strcmp(A, B) %查询B是否在A里

  1. 查找 (R里面的which)

find(target_met==1)

9 查找 方法2

当C完全是A的子集时,能出C能调出B来
map_1 = containers.Map(A,B);
Metab_name = values(map_1,C);

  1. 合并矩阵 (相当于R中的cbind, rbind)

cat(1, n, meta) %1是按照行合并

  1. 创建一组重复数据

repmat(6,1,213)
1列,213行,每个数字都是6

  1. 输出图像

set(gif, "Position", [100 100 700 10000])
print(gif, "-dtiff", "heatmap.png", "-r600")

12.对数据进行Z矫正(对列矫正)

data=zscore(data)

  1. 同一张图输出多个图像

subplot(3,1,1) %一列,3行,第一个图像
subplot(3,1,2) %一列,3行,第二个图像

  1. 在图像上继续加元素

hold on
加完了 hold off

  1. 制作矩阵(全是0)用于循环的填充

data = zeros(a,b)
a,b 为行和列

  1. 查找矩阵有多少行多少列

size(data,1) #多少行

  1. 查找每列有多少个缺失值

[row,col] = find(isnan(data_mean)==1);
frequency = tabulate(col);
nonan_Meta_Index = find(frequency(:,2)==0);

  1. 创建路径

mkdir('result/WTob')

  1. 创建存储cell的对象

All_data = cell(6,1); %6行1列

  1. 一张图像上画多个图

subplot(7,1,i) %7行1列第I个

  1. 输出图像比例

pbaspect([1, 1, 1])

  1. 字符串连接

strcat(a,b)

  1. 画图参数

xticks([1:10])
xticklabels(Samplename);
xtickangle(45);

xlabel("log2(Fold change)");
  1. 新建文件夹

mkdir('result/1')

  1. 加载数据

load()

  1. 不等于
    ~=

  2. 柱状图

histogram(zero_fc,'BinWidth',0.2,'FaceColor','#0072BD')

  1. 画虚线

plot([1,1],[0,2500],'--k','LineWidth',1)

  1. 散点图

plot(DEGs_red(:,1),-log10(DEGs_red(:,2)),'.','Color',"r")

30 读取CSV
data_bio = readtable('EC.csv');
data_bio = table2cell(data_bio);

五天入手matlab,开心
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,347评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,435评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,509评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,611评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,837评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,987评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,730评论 0 267
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,194评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,525评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,664评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,334评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,944评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,764评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,997评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,389评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,554评论 2 349

推荐阅读更多精彩内容