MATLAB - 数据导入

MATLAB 中的现代数据导入

数据导入是大多数数据分析工作流程中的第一步。MATLAB 提供了一套强大而灵活的工具，用于从各种文件格式加载数据。虽然旧方法侧重于通用函数，但现代 MATLAB 鼓励使用针对特定数据类型量身定制的专业高性能函数，主要是用于表格数据的 readtable 和用于数值数组的 readmatrix。

现代方法：高级 I/O 函数

对于大多数常见任务，您应该优先选择 MATLAB 的高级导入函数。它们经过性能优化，自动处理许多常见的格式问题，并将数据以方便的现代数据结构（如 table 表格和 matrix 矩阵）返回。

函数	最佳用途
`readtable`	表格数据（例如 `CSV`、`TXT`、`XLSX`）的推荐函数。它可以推断数据类型，处理缺失值，并将数据读取到 `table` 中，从而保留列标题和混合数据类型。
`readmatrix`	非常适合包含纯数值、矩阵式数据的文件。在这些情况下，它比 `readtable` 更快，并返回一个标准的数值矩阵。
`readcell`	当您拥有混合数据但需要保留文件的原始单元格结构，而不需要 `table` 的结构化组织时使用。
`importdata`	一个多功能通用函数，可以处理多种文件类型，包括图像和文本文件。它是一个很好的备用选择，但与专用函数相比，有时会产生较不规范的输出格式。
`webread`	从 `RESTful` Web 服务和网页读取内容。对于集成在线 `API` 数据至关重要。

示例 1：使用 `readtable` 导入表格数据

让我们导入一个带有列标题的文本文件。这是最常见的数据导入任务。考虑一个名为 weeklydata.csv 的文件，其内容如下：

Day,Temperature,Humidity
Monday,22.5,55
Tuesday,24.1,52
Wednesday,23.8,58
Thursday,25.0,60
Friday,21.9,49

现代方法是使用 readtable。它会自动检测分隔符（逗号），识别标题行，并解析数值数据。

% 最佳实践：使用 fullfile 创建平台无关的路径
% 确保 'weeklydata.csv' 位于您当前的 MATLAB 路径中。
filename = 'weeklydata.csv';

% 使用 try-catch 块进行健壮的错误处理
try
    % readtable 自动检测标题和分隔符
    dataTable = readtable(filename);

    % 显示导入的表格
    disp('Successfully imported data as a table:');
    disp(dataTable);

    % 访问数据是直观的
    fprintf('\nMean Temperature: %.2f\n', mean(dataTable.Temperature));

catch ME
    % 提供用户友好的错误消息
    fprintf('Error importing file: %s\n', ME.message);
end

当你运行该文件时，readtable 将返回一个 table 变量，这是 MATLAB 中处理混合类型列数据的现代标准。输出将是：

Successfully imported data as a table:
    Day          Temperature    Humidity
    ___________    ___________    ________

    "Monday"         22.5           55
    "Tuesday"        24.1           52
    "Wednesday"      23.8           58
    "Thursday"         25           60
    "Friday"         21.9           49

Mean Temperature: 23.46

示例 2：使用 `importdata` 导入图像

importdata 仍然非常适用于非表格数据，如图像。对于图像特定任务，图像处理工具箱（Image Processing Toolbox™）中的函数，如 imread 甚至更好，但 importdata 对于快速加载非常有用。

% 确保图像文件（例如 'peppers.png'，一个标准的 MATLAB 演示图像）可用。
filename = 'peppers.png';

try
    imageData = importdata(filename);

    % `image` 函数适用于快速显示。
    % 如需更多控制，请使用 `imshow`。
    figure; % 创建一个新的图形窗口
    imshow(imageData);
    title(['Image: ', filename], 'Interpreter', 'none');

catch ME
    fprintf('Could not load or display image. Error: %s\n', ME.message);
end

低级文件 I/O：实现最大控制

低级文件 I/O 函数，如 fopen、fscanf 和 fclose，让您完全控制数据读取过程。仅当高级函数失效时才应使用它们，例如处理非标准文件格式、具有复杂结构的二进制文件，或者需要通过逐行读取文件来最小化内存使用时。

最佳实践：始终使用带有 finally 子句的 try-catch 块，以确保即使在读取过程中发生错误，fclose 也能被调用。这可以防止文件句柄保持打开状态。

主要的低级函数有：

函数	描述
fopen	打开文件，或获取关于已打开文件的信息。返回一个文件标识符。
fclose	关闭一个或所有打开的文件。对于防止资源泄露至关重要。
fgetl	从文件中读取单行文本，丢弃换行符。
textscan	将数据从文本文件或字符串读取到单元格数组中。比 `fscanf` 更强大、更灵活。
fread	从二进制文件读取数据到矩阵中。
fwrite	将数据写入二进制文件。
fprintf	将格式化数据写入文本文件。

示例 3：使用 `textscan` 进行低级 I/O

让我们回顾一下原始教程中的降雨数据 (myfile.txt)。使用 fscanf 手动解析此数据既复杂又容易出错。一种更健壮的现代方法是使用 fgetl 跳过标题，并使用 textscan 读取结构化数据。

/* myfile.txt 内容 */
Rainfall Data
Months: June, July, August

M = 3
12:00:00
June-2012
17.21  28.52  39.78  16.55 23.67
19.15  0.35   17.57  NaN   12.01
...

以下是解析此文件的一种更现代、更安全的方法。

filename = 'myfile.txt';
fid = -1; % 初始化文件 ID 为无效值

try
    fid = fopen(filename, 'r');
    if fid == -1
        error('CannotOpenFile', 'Could not open the file: %s', filename);
    end

    % 跳过前 3 行标题
    for i = 1:3, fgetl(fid); end

    % 读取月份数
    headerLine = fgetl(fid);
    numMonths = sscanf(headerLine, 'M = %d');

    % 预分配结构体数组以提高效率
    myData(numMonths) = struct('time', [], 'month', [], 'raindata', []);

    % 定义数值数据块的格式（5 列浮点数）
    formatSpec = '%f %f %f %f %f';

    for n = 1:numMonths
        fgetl(fid); % 跳过空行
        myData(n).time = fgetl(fid);
        myData(n).month = fgetl(fid);
        % 使用 textscan 读取接下来的 7 行数值数据
        dataBlock = textscan(fid, formatSpec, 7, 'CollectOutput', true);
        myData(n).raindata = dataBlock{1};
    end

    disp('Data successfully parsed using low-level I/O.');
    disp(myData);

catch ME
    fprintf(2, 'An error occurred: %s\n', ME.message);

finally
    % 无论是否发生错误，此块都将执行
    if fid ~= -1
        fclose(fid);
        disp('File closed.');
    end
end

常见错误和调试技巧

错误：文件未找到。 检查文件是否在当前 MATLAB 文件夹或 MATLAB 路径中。使用 pwd 查看当前文件夹，并使用 exist(filename, 'file') 检查文件是否对 MATLAB 可见。
错误：数据类型或列不正确。 如果 readtable 错误地解释了您的数据，请使用其选项来指定变量名、类型和范围。使用 'Delimiter' 和 'HeaderLines' 名称-值对。
性能：大文件导入缓慢。 对于非常大的文本文件，readmatrix 通常比 readtable 更快。对于内存无法完全加载的文件，请使用 datastore 以分块方式处理数据。
低级 I/O：未关闭的文件。 忘记调用 fclose(fid) 会锁定文件并消耗系统资源。务必使用 try-catch-finally 结构来确保文件被关闭。