resp = fig2plotly()
%把m列1行的矩陣a複製成m列n行
a=repmat(a,n,1);
%自帶函式繪製roc曲線,a為1*n表示樣本實際標籤,b為1*n表示樣本**為1的概率
plotroc(a,b)
%把m行n列的矩陣轉為mn *1 的向量
b = a(:);
%把向量a轉換為3維的n*n*n向量
b= reshape(a,n,n,n);
%提取出矩陣a的所有行,1,2,3列
s = [1,2,3];
a = a(:,s);
%將a,b的行合併成x1,列合併成x2
x1 = [a;b];
x2 = [a,b];
%把矩陣所有非0元素置1,把矩陣大於0元素置1
a(a~=0) = 1;
b(a>0) = 1;
%找出矩陣中非0元素的位置
b = find(a~=0); %順序為第一列為前n,第二列為n+1 ~ 2n
[b,c] = find(a~=0); % b為行,c為列
%判斷每列元素是否均為0,返回1*n logical (滿足返回1,不滿足返回0)
b = all(a == 0,1);
%判斷每行元素是否均為0,返回n*1 logical
b = all(a == 0,2);
%去掉矩陣中元素全為0的列
a(:,all(a == 0,1)) = ;
%計算標準偏差。第乙個為計算標準偏差,第二個若flag=0同第乙個,若flag=1計算總體標準偏差(除以n,有偏的)
s = std(x);
s = std(x,flag);
%根據第n列的值對所有行降序排列。公升序排列為(+n)。
b = sortrows(a,-n);
%一般線性擬合,用a擬合b,例如a為age,b為數值。其中c為在y軸上的截距,c(2,1)為斜率(係數)
% b = a*c(2,1) + c(1,1) + e(殘差)
[c,d] = glmfit(a,b,'normal');
%多重線性回歸,c(1,1)對應截距,c(2,1)對應第1個自變數係數,c(2,1)對應第2個自變數係數
x = [ones(n,1) x1' x2'];
c = regress(y,x);
%找出矩陣a中極大值; 找出矩陣a中每列的極大值
b = max(max(a));
b = max(a);
%找出矩陣極大值的座標
[x,y] = find(a == max(max(a)));
%移動當前資料夾中的檔案並重命名
movefile('***','yyy');
%複製當前資料夾中的檔案並重命名
copyfile('***','yyy');
%刪除當前資料夾中的乙個檔案
delete(『』filename.nii』);
%刪除一類檔案
delete('*.字尾');
%統計乙個矩陣中包含的元素值和頻率
a = tabulate(a(:));
%取整fix(a); %舍小數取整
round(a); %四捨五入取整
floor(a); %取小於a的最大整數
ceil(a); %取大於a的最小整數
%等間隔取樣。從第乙個元素開始,每隔n-1個元素儲存乙個。
y = downsample(x,n)
%統計矩陣中包含的值以及出現頻次
y = tabulate(x(:))
subplot(x,y,1)
a = matrix; imagesc(a); colorbar; colormap grey %生成矩陣影象,每個值對應不同的顏色,colorbar生成每個值對應顏色標註,最後選擇灰度圖
legend('xx','yy') %影象右上角標註線條和名稱,e.g. 第乙個線條為xx,
pinv(a) %a的逆矩陣
資料處理常用
1,dataframe獲取列名稱 dataframe.columns.values.tolist 2,dataframe轉化為numpy dataframe.values 轉化為陣列後可以進行數值計算 3,numpy轉化為列表 list numpy.tolist 4,進行陣列運算時如果有字串 nul...
Python 常用資料處理
以下為積累 python 常用資料處理方法,不定時更新。1.遍歷某資料夾下所有檔案 files os.listdir path 2.取消科學計數法 np.set printoptions suppress true df a astype int64 3.判斷 dataframe 為空 全部資料集 ...
資料處理常用方法
列值替換 data.trade type data.trade type 21 1 data.trade type data.trade type 22 0取消索引 wo.to csv szy.csv index false 檢視所有列的空缺值 data.isnull sum 檢視每列的值的數量 d...