當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

Matlab——常用函数的用法总结(部分直接摘自mathwork，持续更新)

發布時間：2024/3/13 编程问答 31 豆豆

生活随笔收集整理的這篇文章主要介紹了 Matlab——常用函数的用法总结(部分直接摘自mathwork，持续更新) 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

Matlab——常用函數的用法總結(部分直接摘自mathwork，持續更新)

文章目錄

Matlab——常用函數的用法總結(部分直接摘自mathwork，持續更新)
- 一、繪圖篇
- - 1.圖像顯示形式
  - - ①figure（創建圖窗窗口）
    - ②subplot（多個子圖畫在同一個圖窗中）
  - 2.頻數圖與直方圖
  - - ①hist（不推薦hist，推薦使用histogram）
    - ②histogram
  - 3.散點圖
  - - ①scatter（繪制散點圖）
  - 4.曲線繪制
  - - ①plot（二維曲線）
  - 5.圖像附加說明
  - - ①title（添加標題）
    - ②xlabel（為 x 軸添加標簽）
    - ③ylabel（為 y 軸添加標簽）
    - ④legend（在坐標區上添加圖例）
    - ⑤suptitle（添加標題）
- 二、矩陣的特殊操作篇
- - 1.查找
  - - ①find
  - 2.容量
  - - ①length
- 三、數理統計篇
- - 1.統計量
  - - ①mean（均值）
    - ②median（中位數）
    - ③std（樣本標準差）
    - ④var（樣本方差）
    - ⑤range（極差）
    - ⑥moment（中心距）
    - ⑦skewness（偏度）
    - ⑧kurtosis（峰度）
  - 2.概率分布
  - - ①norm， $\chi^2$ ，t，F分布
  - 3.參數估計
- 四、微積分篇
- - 1.函數求導（多元函數求偏導）
  - - ①diff（差分和近似導數）(多元函數求偏導)
- 五、數值分析篇
- - 1.擬合
  - - ①polyfit（多項式曲線擬合）
  - 2.插值
  - - ①csape（三次樣條插值）
- 其他
- - - ①subs（換元）
    - ②expand（展開所有括號）
    - ③eval（執行文本中的 MATLAB 表達）
    - ④poly2sym（由系數向量創建符號多項式）
    - ⑤polyval（多項式計算）

一、繪圖篇

1.圖像顯示形式

①figure（創建圖窗窗口）

figure：使用默認屬性值創建一個新的圖窗窗口。生成的圖窗為當前圖窗(當前圖窗就是你下一次的畫圖命令就在當前圖窗中畫圖)。

f = figure(___)：返回 Figure 對象f。可使用 f 在創建圖窗后查詢或修改其屬性。

figure(f)：將Figure 對象 f 指定的圖窗作為當前圖窗，并將其顯示在其他所有圖窗的上面

figure(Name,Value)：使用一個或多個名稱-值對組參數修改圖窗的屬性
——指定可選的、以逗號分隔的 Name,Value 對組參數。Name 為參數名稱，Value 為對應的值。Name 必須放在單引號 (’ ') 中。您可以指定多個名稱-值對組參數，如 Name1,Value1,…,NameN,ValueN。（詳見figure屬性）
—— figure(‘Name’,‘Results’) 將圖窗的名稱設置為 ‘Results’。
—— figure(‘Color’,‘white’) 創建具有白色背景的圖窗。
——figure(‘position’,[500,200,500,500]);可繪制區域的位置和大小，指定為 [left,bottom,width,height] 形式的向量（一般不用指定窗口的位置與大小，使用默認即可），
left：主畫面左邊緣到窗口的內部左邊緣的距離
bottom：主畫面下邊緣到窗口的內部下邊緣的距離
width：左右內部邊緣之間的距離
height：上下內部邊緣之間的距離

一些顏色參數供參考

②subplot（多個子圖畫在同一個圖窗中）

subplot(m,n,p)：將當前圖窗劃分為 m×n 網格，并在 p 指定的位置創建坐標區。第一個子圖是第一行的第一列，第二個子圖是第一行的第二列，依此類推。如果指定的位置已存在坐標區，則此命令會將該坐標區設為當前坐標區。
subplot(m,n,p,‘replace’)：刪除位置 p 處的現有坐標區并創建新坐標區。

2.頻數圖與直方圖

①hist（不推薦hist，推薦使用histogram）

[N,X] = hist(Y,M)：創建向量（行、列均可）Y 的頻數直方圖。它將區間[min(Y),max(Y)]等分為M 份（缺省時M 設定為10），N 返回M 個小區間的頻數，X 返回M 個小區間的中點。

②histogram

histogram(X,nbins)：創建向量（行、列均可）X 的頻數直方圖，nbins指定劃分的份數

3.散點圖

①scatter（繪制散點圖）

scatter(x,y)：在向量 x 和 y 指定的位置創建一個包含圓形的散點圖。該類型的圖形也稱為氣泡圖。

scatter(x,y,sz)：指定圓大小。要繪制大小相等的圓圈(默認sz=36)，請將 sz 指定為標量。要繪制大小不等的圓，請將 sz 指定為長度等于 x 和 y 的長度的向量。

scatter(x,y,sz,c)：指定圓顏色。要以相同的顏色繪制所有圓圈(默認c=[0,0,1])，請將 c 指定為顏色名稱或 RGB 三元組。要使用不同的顏色，請將 c 指定為向量或由 RGB 三元組組成的三列矩陣。

scatter(___,mkr)：指定標記類型。"___"是指可以將 ‘mkr’ 選項與前面語法中的任何輸入參數組合一起使用。

一些"mkr"參數供參考

4.曲線繪制

①plot（二維曲線）

plot(X,Y)：創建 Y 中數據對 X 中對應值的二維線圖
——如果 X 和 Y 都是向量，則它們的長度必須相同。plot 函數繪制 Y 對 X 的圖。
——如果 X 和 Y 均為矩陣，則它們的大小必須相同。plot 函數繪制 Y 的列對 X 的列的圖。
——如果 X 或 Y 中的一個是向量而另一個是矩陣，則矩陣的各維中必須有一維與向量的長度相等。如果矩陣的行數等于向量長度，則 plot 函數繪制矩陣中的每一列對向量的圖。如果矩陣的列數等于向量長度，則該函數繪制矩陣中的每一行對向量的圖。如果矩陣為方陣，則該函數繪制每一列對向量的圖。
——如果 X 或 Y 之一為標量，而另一個為標量或向量，則 plot 函數會繪制離散點。但是，要查看這些點，您必須指定標記符號，例如 plot(X,Y,‘o’)。

plot(X,Y,LineSpec)：設置線型、標記符號和顏色。
——線型、標記和顏色，指定為包含符號的字符向量或字符串。符號可以按任意順序顯示。您不需要同時指定所有三個特征（線型、標記和顏色）。例如，如果忽略線型，只指定標記，則繪圖只顯示標記，不顯示線條。
——示例： ‘:or’ 是帶有圓形標記的紅色點線，您可以按任意順序顛倒它們，如：’:or’也可以寫成’r:o’;
——線型、標記和顏色的相應符號表示

plot(X1,Y1,LineSpec1,…,Xn,Yn,LineSpecn)：設置每個線條的線型、標記符號和顏色。
——您可以混用 X、Y、LineSpec 三元組和 X、Y 對組,例如：plot(X1,Y1,X2,Y2,LineSpec2,X3,Y3)。

plot(___,Name,Value) 使用一個或多個 Name,Value 對組參數指定線條屬性。有關屬性列表，請參閱 Line 屬性。可以將此選項與前面語法中的任何輸入參數組合一起使用。名稱-值對組設置將應用于繪制的所有線條。
——名稱-值對組參數：里面的屬性內容太多了，若要使用請移步mathwork：https://ww2.mathworks.cn/help/matlab/ref/plot.html#namevaluepairarguments

5.圖像附加說明

①title（添加標題）

title(txt)：在當前坐標區中顯示標題txt。

②xlabel（為 x 軸添加標簽）

xlabel(txt)：當前坐標區或圖的 x 軸添加標簽。重新發出 xlabel 命令會將舊標簽替換為新標簽。
xlabel(target,txt)：為指定的目標對象添加標簽。

③ylabel（為 y 軸添加標簽）

ylabel(txt)：當前坐標區或圖的 y 軸添加標簽。重新發出 ylabel 命令會將舊標簽替換為新標簽。
ylabel(target,txt)：為指定的目標對象添加標簽。

④legend（在坐標區上添加圖例）

legend(label1,…,labelN)：設置圖例標簽。以字符向量或字符串列表形式指定標簽，例如 legend(‘Jan’,‘Feb’,‘Mar’)。

例：

x=[1,2]; y1=[3,4]; y2=[4,3]; plot(x1,y1,x1,y2); legend('y = x+2','y = -x+5');

⑤suptitle（添加標題）

suptitle(txt)：為圖窗添加標題。
——當您調用函數subplot，將多個子圖畫在同一個圖窗中，且希望在這圖窗上添加標題，而不是在子圖上添加標題時，suptitle函數就十分適用

二、矩陣的特殊操作篇

1.查找

①find

k = find(X)：返回矩陣 X 中每個非零元素的序號(先列后行)組成的列向量

k = find(X,n)：回矩陣 X 中前n個非零元素的序號(先列后行)組成的列向量

k = find(X,n,‘last’)：回矩陣 X 中后n個非零元素的序號(先列后行)組成的列向量

2.容量

①length

length(X)：返回 X 中最大數組維度的長度。對于向量，長度僅僅是元素數量。對于具有更多維度的數據，長度為 max(size(X))。空數組的長度為零。

三、數理統計篇

1.統計量

①mean（均值）

mean(X)：返回X的均值
——如果 A 是向量，則 mean(A) 返回元素均值。
——如果 A 為矩陣，那么 mean(A) 返回包含每列均值的行向量。
——如果 A 是多維數組，則 mean(A) 沿大小不等于 1 的第一個數組維度計算，并將這些元素視為向量。此維度會變為 1，而所有其他維度的大小保持不變。

M = mean(A,‘all’)：計算 A 的所有元素的均值。此語法適用于 MATLAB? R2018b 及更高版本。

②median（中位數）

M = median(A)：返回 A 的中位數值。
——如果 A 為向量，則 median(A) 返回 A 的中位數值。
——如果 A 為非空矩陣，則 median(A) 將 A 的各列視為向量，并返回中位數值的行向量。
——如果 A 為 0×0 空矩陣，median(A) 返回 NaN。
——如果 A 為多維數組，則 median(A) 將沿大小不等于 1 的第一個數組維度的值視為向量。此維度的大小將變為 1，而所有其他維度的大小保持不變。

M = median(A,‘all’)：計算 A 的所有元素的中位數。此語法適用于 MATLAB? R2018b 及更高版本。

③std（樣本標準差）

S = std(A)：返回 A 沿大小不等于 1 的第一個數組維度的元素的標準差。
——如果 A 是觀測值的向量，則標準差為標量。
——如果 A 是一個列為隨機變量且行為觀測值的矩陣，則 S 是一個包含與每列對應的標準差的行向量。
——如果 A 是一個多維數組，則 std(A) 會沿大小不等于 1 的第一個數組維度計算，并將這些元素視為向量。此維度的大小將變為 1，而所有其他維度的大小保持不變。默認情況下，標準差按 N-1 實現歸一化，其中 N 是觀測值數量。

④var（樣本方差）

V = var(A)：返回 A 中沿大小不等于 1 的第一個數組維度的元素的方差。 ——如果 A 是一個觀測值向量，則方差為標量。
——如果 A 是一個其各列為隨機變量、其各行為觀測值的矩陣，則 V 是一個包含對應于每列的方差的行向量。
——如果 A 是一個多維數組，則 var(A) 會將沿大小不等于 1 的第一個數組維度的值視為向量。此維度的大小將變為 1，而所有其他維度的大小保持不變。默認情況下，方差按觀測值數量 -1 實現歸一化。
——如果 A 是一個標量，則 var(A) 返回 0。
——如果 A 是一個 0×0 的空數組，則 var(A) 將返回 NaN。

⑤range（極差）

y=range (x)：返回 x 中樣本數據的最大值和最小值之間的差。
——如果 x 是一個向量，那么 range (x)就是 x 中值的范圍。
——如果 x 是一個矩陣，那么 range (x)就是一個行向量，包含 x 中每一列的范圍。
——如果 x 是一個多維數組，那么 range 沿著 x 的第一個非單點維度運算，把這些值當作向量。這個維度的大小變成了1，而所有其他維度的大小保持不變。
——如果 x 是第一維為0的空數組，那么 range (x)返回一個大小與 x 相同的空數組。

⑥moment（中心距）

m = moment(X,order)：返回 x 的中心矩，
——如果 x 是一個向量，那么矩(x，階)返回一個標量值，即 x 中元素的 k 階中心矩。
——如果 x 是一個矩陣，那么矩(x，階)返回一個行向量，其中包含 x 中每一列的 k 階中心矩。
——如果 x 是一個多維數組，那么矩(x，階)沿 x 的第一個非單維運算。

⑦skewness（偏度）

y=skewness (x)：返回 x 的樣本偏斜度。如果 x 是一個向量，那么 skewness (x)返回一個標量值，即 x 中元素的偏斜度。如果 x 是一個矩陣，那么 skewness (x)返回一個行向量，其中包含 x 中每一列的樣本偏斜度。如果 x 是一個多維數組，那么 skewness (x)沿 x 的第一個非單維運算。

⑧kurtosis（峰度）

k = kurtosis(X)：返回 x 的樣本峰度，如果 x 是一個向量，那么峰度(x)返回一個標量值，這個標量值就是 x 中元素的峰度。如果 x 是一個矩陣，那么峰度(x)返回一個行向量，它包含 x 中每一列的樣本峰度。如果 x 是一個多維數組，那么峰度(x)沿 x 的第一個非單維數運算。

2.概率分布

①norm， $\chi^2$ ，t，F分布

——4種分布對應的名字字符：
正態分布：norm
$\chi^2$ ：chi2
t：t
F：f
——各個分布都有一些對應的函數，這些函數對應的命令符：
pdf：概率密度函數；
cdf：分布函數；
inv：分布函數的反函數；
stat：均值與方差；
rnd：隨機數生成
——當我們需要使用某個分布的某個函數時，將分布的名字字符+函數命令連起來使用就行了：
p=normpdf(x,mu,sigma)：均值mu、標準差sigma 的正態分布在x 的密度函數(mu=0，sigma=1 時可缺省)
p=tcdf(x,n)：t 分布（自由度n）在x 的分布函數。
x=chi2inv(p,n)： $\chi^2$ 分布（自由度 n）使分布函數 F(x)=p 的x(即 p 分位數)。
[m,v]=fstat(n1,n2)：F 分布（自由度n1,n2）的均值m 和方差v。

3.參數估計

[mu,sigma,muci,sigmaci]=normfit(x,alpha)：其中x 為樣本（數組或矩陣），alpha 為顯著性水平α （alpha 缺省時設定為0.05），返回總體均值μ 和標準差σ 的點估計mu 和sigma，及總體均值μ 和標準差σ 的區間估計muci 和sigmaci。當x 為矩陣時，x 的每一列作為一個樣本。

四、微積分篇

1.函數求導（多元函數求偏導）

①diff（差分和近似導數）(多元函數求偏導)

diff(X)：計算沿大小不等于 1 的第一個數組維度的 X 相鄰元素之間的差分
——如果 X 是長度為 m 的向量，則 Y = diff(X) 返回長度為 m-1 的向量。Y 的元素是 X 相鄰元素之間的差分。Y = [X(2)-X(1) X(3)-X(2) … X(m)-X(m-1)]
——如果 X 是不為空的非向量 p×m 矩陣，則 Y = diff(X) 返回大小為 (p-1)×m 的矩陣，其元素是 X 的行之間的差分。Y = [X(2,:)-X(1,:); X(3,:)-X(2,:); … X(p,:)-X(p-1,:)]
——如果 X 是 0×0 的空矩陣，則 Y = diff(X) 返回 0×0 的空矩陣。

diff(X,n)：通過遞歸應用 diff(X) 運算符 n 次來計算第 n 個差分。在實際操作中，這表示 diff(X,2) 與 diff(diff(X)) 相同。

diff(X,n,dim)：是沿 dim 指定的維計算的第 n 個差分。dim 輸入是一個正整數標量。(dim默認為1，dim=2時，為列之間的分差)

關鍵字syms：定義一個符號變量

例：可以用如下命令求函數sinx的一階導數

syms x; f=sinx; f_=diff(f);

多元函數求偏導
已知二元函數f(x,y)，求 $\cfrac{\partial^{m+n}f}{\partial x^m\partial y^n}$

f=diff(diff(f,x,m),y,n)

或者

f=diff(diff(f,y,n),x,m)

五、數值分析篇

1.擬合

①polyfit（多項式曲線擬合）

p = polyfit(x,y,n)：返回次數為 n 的多項式 $p (x)$ 的系數，該階數是 y 中數據的最佳擬合（在最小二乘法中）。p 中的系數按降冪排列，p 的長度為 n+1。
即：
p=[ $p_1$ , $p_2$ , … , $p_n$ , $p_{n+1}$ ]
$p(x)=p_1x^n+p_2x^{n-1}+...+p_nx+p_{n+1}$

2.插值

①csape（三次樣條插值）

——mathwork：https://ww2.mathworks.cn/help/curvefit/csape.html
——CSND：https://blog.csdn.net/qq_35924276/article/details/79245424

其他

①subs（換元）

subs (s,old,new)：返回 s 的一個副本，將所有出現的old替換為new，然后計算 s。

②expand（展開所有括號）

expand(x)：乘開x中所有的括號（可以用于多項式展開）

③eval（執行文本中的 MATLAB 表達）

eval(expression) :計算 expression

④poly2sym（由系數向量創建符號多項式）

p = poly2sym(c)：從系數向量c創建符號多項式表達式p，多項式的符號變量是x，如果 $c=[c_1,c_2,...,c_n]$ ,則 $p=c_1x^{n-1}+c_2x^{n-2}+...+c_{n-1}x+c_n$

p = poly2sym(c,var)：當從系數c的向量創建符號多項式表達式p時，將var用作多項式符號變量。

⑤polyval（多項式計算）

y = polyval(p,x)：系數為 c 的多項式在 x 的每個點處的值。參數 c 是長度為 n 的向量，其元素是 n-1 次多項式的系數（降冪排序）：
如果 $c=[c_1,c_2,...,c_n]$ ,則 $p=c_1x^{n-1}+c_2x^{n-2}+...+c_{n-1}x+c_n$

總結

以上是生活随笔為你收集整理的Matlab——常用函数的用法总结(部分直接摘自mathwork，持续更新)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：很棒的图片浏览器代码，源码研究
下一篇： SEM扫描电镜知识点扫盲，请收好