0.4　数据处理

（23）如何删除缺失值？

在MATLAB中使用NaN（Not-a-Number）表示缺失值，例如：

判断矩阵（向量）某一元素是否为NaN时不能使用如下方式：

需要使用isnan函数。使用如下方式可以删除缺失值：

运行结果为：

可以看到缺失值已经被删除了。

（24）如何将字符串转变为命令执行？

使用eval函数可以将字符串转变为命令执行，参考下例：

运行结果为：

有时候巧妙地使用eval函数会使某些程序实现起来更加方便灵活。

（25）如何向一个向量追加元素？

这在MATLAB中非常容易实现，见下例：

运行结果为：

（26）如何移除矩阵的某行（列）数据？

这涉及MATLAB中矩阵的一些操作，见下例：

运行结果为：

（27）如何比较两个矩阵是否相同？

比较每个元素是否相同，如果每个元素都相同，那么这两个矩阵也相同。可以使用循环达到这一目的，但使用all函数可以更方便地实现这一目的。all函数会检查一个矩阵的每一列是否都为非零或者逻辑真，见下例：

运行结果为：

（28）如何去掉数据中的重复元素？

参考unique函数，unique函数可以去掉矩阵中的重复元素，见下例：

运行结果为：

（29）如何求数据的极值？

使用min和max函数可以分别求数据的极小值和极大值，见下例：

运行结果为：

（30）如何求矩阵最大（小）值并返回其行列号？

主要有几种方式，见下面的实例：

运行结果如下：

（31）如何判断数据是否为数字？

参考isnumeric函数。

（32）如何从一组数据中随机抽取数据？

使用randsrc函数可以从一组数据中按照指定概率随机抽取数据，其用法之一如下：

是从alphabet数据中按照概率prob抽取数据生成一个 m × n 的矩阵。见下例：

即从［-3 -1 1 3］中抽取数据生成5×5的矩阵，并且使得-3和3出现的概率为0.2，-1和1出现的概率为0.3。运行结果（由于是随机抽取数据，所以多次运行结果可能不同）为：

（33）如何将数据标准化？

使用zscore函数可以将数据标准化，这里标准化的定义是将数据减去其均值再除以其标准差，见下例：

运行结果如下： 6TUcClWkJNyWdC2TZ9ErYj9Vwyq7hsxvNsviDVx7YDmU3xKvC4fq8Mc9JQ7/unI6