Можно выполнять интерактивную предварительную обработку данных с помощью последовательностей задач Live Editor, визуализируя данные на каждом шаге. В этом примере используется пять задач для очистки шумных данных с отсутствующими значениями и отклонениями для определения локальных минимумов и максимумов. Дополнительные сведения о задачах Live Editor см. в разделе Добавление интерактивных задач в сценарий Live.
Сначала создайте и постройте график вектора беспорядочных данных, который содержит четыре NaN значения и пять отклонений.
x = 1:100; data = cos(2*pi*0.05*x+2*pi*rand) + 0.5*randn(1,100); data(20:20:80) = NaN; data(10:20:90) = [-50 40 30 -45 35];
Чтобы распечатать беспорядочные данные, откройте задание «Создать график». Начните с ввода ключевого слова plot в блоке кода и нажмите Create Plot при появлении в меню. Выберите тип графика и входные данные для печати данных.
Заменять NaN значения в данных и визуализация результатов, откройте задачу Очистить отсутствующие данные. Начните с ввода ключевого слова missing в блоке кода и нажмите Clean Missing Data при появлении в меню. Выберите входные данные и метод очистки для автоматической печати заполненных данных.
Теперь можно удалить отклонения из очищенных данных в предыдущем задании с помощью задания Очистить данные отклонения. Введите ключевое слово outliers в новом кодовом блоке и нажмите Clean Outlier Data для открытия задачи. Выбрать cleanedData в качестве входных данных. Можно настроить методы очистки и обнаружения отклонений и настроить пороговое значение для поиска большего или меньшего количества отклонений.
Затем выполните сглаживание очищенных данных из предыдущего задания с помощью задания «Сглаживание данных». Введите ключевое слово smooth и щелкните задачу, когда она появится. Выбрать cleanedData2, выходные данные предыдущей задачи, в качестве входных данных. Выберите метод сглаживания и настройте коэффициент сглаживания для более или менее сглаживания.
Наконец, начните вводить ключевое слово extrema и нажмите Find Local Extrema. Использовать smoothedData в качестве входных данных и изменить тип экстремума, чтобы найти как локальные максимумы, так и локальные минимумы очищенных, сглаженных данных. Можно настроить локальные экстремальные параметры, чтобы найти больше или меньше максимумов и минимумов.
Чтобы просмотреть код, который задание использовало для создания выходных данных и визуализации, щелкните стрелку в нижней части окна задания над графиком.
Задача отображает блок кода, который можно вырезать и вставить для последующего использования или изменения в существующем сценарии или другой программе. Например:
Поскольку базовый код теперь является частью сценария в реальном времени, можно продолжать использовать переменные, созданные задачей, для дальнейшей обработки. Например, можно использовать maxIndices чтобы найти соответствующие значения локальных максимумов в сглаженных данных, а затем вычислить среднее значение:
fillmissing | filloutliers | ischange | islocalmax | islocalmin | ismissing | isoutlier | rmmissing | rmoutliers | smoothdata