Verwalten von Daten

R2026b

Datenimport und -Export und Gruppieren von Variablen

Übertragen Sie Daten in diversen Dateiformaten aus und zu MATLAB^®. Gültige Formate umfassen Tabellendaten, tabulatorgetrennte Dateien, Microsoft^® Excel^®-Tabellenkalkulationen und SAS^® XPORT-Dateien. Eine Tabelle der unterstützten Dateiformate und zugehörigen Import- und Exportfunktionen finden Sie unter Supported File Formats for Import and Export. Alternativ können Sie Daten interaktiv über das Tool Import Tool importieren. Statistics and Machine Learning Toolbox™ unterstützt viele, jedoch nicht alle der in MATLAB verfügbaren Datentypen. Weitere Informationen finden Sie unter Supported Data Types.

Verwenden Sie für eine bessere produktübergreifende Kompatibilität die Datentypen categorical oder table von MATLAB. Weitere Informationen finden Sie unter Create Categorical Arrays oder Tabellen erstellen und ihnen Daten zuweisen; alternativ können Sie sich das Video Tabellen und kategorische Arrays ansehen.

Funktionen

alle erweitern

Datenimport und -Export

`caseread`	Read case names from file
`casewrite`	Write case names to file
`tblread`	Read tabular data from file
`tblwrite`	Write tabular data to file
`tdfread`	Read tab-delimited file
`xptread`	Create table from data stored in SAS XPORT format file

Datensatz-Arrays

`dataset`	(Not Recommended) Arrays for statistical data
`dataset2table`	Convert dataset array to table

Kategorische Daten

`dummyvar`	Create dummy variables
`onehotencode`	Encode data labels into one-hot vectors
`onehotdecode`	Decode probability vectors into class labels
`gplotmatrix`	Matrix of scatter plots by group
`grp2idx`	Create index vector from grouping variable
`gscatter`	Scatter plot by group
`nominal`	(Not Recommended) Arrays for nominal data
`ordinal`	(Not Recommended) Arrays for ordinal data
`countPredictorsAfterCategoricalEncoding`	Number of predictors in tabular data after encoding categorical variables (Seit R2026a)

Themen

Statistics and Machine Learning Toolbox Example Data Sets
Use various data sets to try software features available in Statistics and Machine Learning Toolbox.
Grouping Variables
Grouping variables are utility variables used to group or categorize observations.
Dummy Variables
Dummy variables let you adapt categorical data for use in classification and regression analysis.
Test Differences Between Category Means
Test for significant differences between category (group) means using a t-test, two-way ANOVA (analysis of variance), and ANOCOVA (analysis of covariance) analysis.
Linear Regression with Categorical Covariates
Perform a regression with categorical covariates using categorical arrays and fitlm.