Vorverarbeitung von Daten

Bereinigen, Normalisieren, Aggregieren und Analysieren der Daten

Die Vorverarbeitung von Daten ist der Prozess zum Transformieren der Rohdaten in ein Format, das einfacher analysiert werden kann. Dieser Prozess kann auch Bereinigungsschritte enthalten, zum Beispiel zur Handhabung fehlender Werte oder zur Glättung von verrauschten Daten. Durch Bereinigen, Organisieren und Zusammenfassen der Daten können Sie Muster identifizieren, Prognosen erstellen und fundierte Entscheidungen treffen.

Apps

alle erweitern

Data CleanerPreprocess and organize column-oriented data (Seit R2022a)

Live Editor Tasks

alle erweitern

Bereinigen von fehlenden DatenFind, fill, or remove missing data in the Live Editor
Bereinigen von AusreißerdatenFind, fill, or remove outliers in the Live Editor
Glätten von DatenSmooth noisy data in the Live Editor
Finden lokaler ExtremaFind local maxima and minima in the Live Editor
Finden von KipppunktenFind abrupt changes in data in the Live Editor
Stapeln von TabellenvariablenCombine values from multiple table variables into one table variable in the Live Editor
Entstapeln von TabellenvariablenDistribute values from one table variable to multiple table variables in the Live Editor
Anpassen oder Zusammenfassen von Zeitschritten in TimetablesResample or aggregate timetable data in the Live Editor
Normalisieren von DatenCenter and scale data in the Live Editor (Seit R2021b)
Finden und Entfernen von TrendsFind and remove polynomial or periodic trends from data in the Live Editor
Pivot-TabelleSummarize tabular data in pivoted table in the Live Editor (Seit R2023b)
Berechnen nach GruppeSummarize, transform, or filter by group in the Live Editor (Seit R2021b)

Funktionen

alle erweitern

Fehlende Werte

fillmissingFill missing entries
fillmissing2Fill missing entries in 2-D data (Seit R2023a)
standardizeMissingInsert standard missing values
rmmissingRemove missing entries
anymissingDetermine if any array element is missing (Seit R2022a)
ismissingFind missing values
missingCreate missing values

Ausreißer

filloutliersDetect and replace outliers in data
rmoutliersDetect and remove outliers in data
isoutlierFind outliers in data
clipClip data to range (Seit R2024a)
isbetweenDetermine which elements are within specified range
allbetweenDetermine if all elements are within specified range (Seit R2025a)

Rauschverminderung

smoothdataSmooth noisy data
smoothdata2 Smooth noisy data in two dimensions (Seit R2023b)
movmeanMoving mean
movmedianMoving median
movsumMoving sum

Lokale Extrema und Kipppunkte

islocalminFind local minima
islocalmin2Find local minima in 2-D data (Seit R2024a)
islocalmaxFind local maxima
islocalmax2Find local maxima in 2-D data (Seit R2024a)
ischangeFind abrupt changes in data

Abtastung

isuniformDetermine if vector is uniformly spaced (Seit R2022b)
isregularDetermine if input times are regular with respect to time or calendar unit
retimeResample or aggregate data in timetable, and resolve duplicate or irregular times

Umformen von Tabellen

rows2varsReorient table or timetable so that rows become variables
stackStack data from input table or timetable into one variable of output table or timetable
unstackUnstack data from input table or timetable into multiple variables of output table or timetable

Sortieren und Vergleichen von Elementen

sortSort array elements
sortrowsSort rows of matrix or table
issortedDetermine if array is sorted
issortedrowsDetermine if matrix or table rows are sorted
uniqueUnique values
uniquetolUnique values within tolerance
alluniqueDetermine if all values are unique (Seit R2025a)
numuniqueNumber of unique values (Seit R2025a)
ismemberFind set members of data
ismembertolFind set members of data within tolerance

Größenänderung

paddataPad data by adding elements (Seit R2023b)
trimdataTrim data by removing elements (Seit R2023b)
resizeResize data by adding or removing elements (Seit R2023b)

Normalisieren

normalizeNormalize data
rescaleScale range of array elements

Finden und Entfernen von Trends

detrendRemove polynomial trend
trenddecompFind trends in data (Seit R2021b)

Klassen bilden

discretizeGroup data into bins or categories
histcountsHistogram bin counts
histcounts2Bivariate histogram bin counts

Pivotieren

pivotSummarize tabular data in pivoted table (Seit R2023a)

Zusammenfassen

summaryData summary
groupsummaryGroup summary computations
groupcountsNumber of group elements
groupfilterFilter by group
grouptransformTransform by group
findgroupsFind groups and return group numbers
splitapplySplit data into groups and apply function
accumarrayAccumulate vector elements

Themen

Bereinigen von Daten

Entfernen von Trends

Zusammenfassen

Verwandte Informationen

Enthaltene Beispiele

Data Cleaning and Calculations in Tables

Data Cleaning and Calculations in Tables

Clean data stored in a table or timetable. Perform computations by using the numeric and categorical data that the table contains.

Grouped Calculations in Tables and Timetables

Grouped Calculations in Tables and Timetables

Perform in-place calculations on groups of data in tables and timetables.