MATLAB（Octave）命令记录
1. struct：结构体数组
aaaa_s.a = 1; aaaa_s.b = {'A','B','C'} aaaa_s.c = [1 2 3 4; 5 6 7 8]; save aaaa_s.txt aaaa_s;
save的结果文件为：
# Created by Octave 8.2.0, Fri Jul 28 15:31:37 2023 CST <wuxiong.wx@B-P26SQ05P-0045.local> # name: aaaa_s # type: scalar struct # ndims: 2 1 1 # length: 3 # name: a # type: scalar 1 # name: b # type: cell # rows: 1 # columns: 3 # name: <cell-element> # type: sq_string # elements: 1 # length: 1 A # name: <cell-element> # type: sq_string # elements: 1 # length: 1 B # name: <cell-element> # type: sq_string # elements: 1 # length: 1 C # name: c # type: matrix # rows: 2 # columns: 4 1 2 3 4 5 6 7 8
2. plot：画二维曲线
plot(X,Y,LineSpec) : LineSpec 使用指定的线型、标记和颜色创建绘图； 示例： "--or" 是带有圆形标记的红色虚线
例子：
pos_X=[1 2]' pos_y=[3 4]' neg_X=[5 6]' neg_y=[7 8]' plot(pos_X, pos_y, 'k+', 'LineWidth', 1, 'MarkerSize', 7) // k+是标记：black黑色的+； +的线宽为1，+标记的大小为7 hold on; plot(neg_X, neg_y, 'ko', 'MarkerFaceColor', 'y', 'MarkerSize', 7) // MarkerFaceColor — 标记填充颜色 "none" （默认） | "auto" | RGB 三元组 | 十六进制颜色代码 | "r" | "g" | "b" | ... 短名称"y"黄色，对应的RGB三元组为[1 1 0]； MarkerSize — 标记大小 6 （默认） | 正值
LineSpec — 线型、标记和颜色 字符串 | 字符向量
- LineStyle — 线型 "-" （默认） | "--" | ":" | "-." | "none" 分别为实线、虚线、点线、点划线、无线条
- LineWidth — 线条宽度 0.5 （默认） | 正值 （线宽，指定为以磅为单位的正值，其中 1 磅 = 1/72 英寸。如果该线条具有标记，则线条宽度也会影响标记边。）
- Marker — 标记符号 "none" （默认） | "o" | "+" | "*" | "." | ...
- MarkerFaceColor — 标记填充颜色 "none" （默认） | "auto" | RGB 三元组 | 十六进制颜色代码 | "r" | "g" | "b" | ... 短名称"y"黄色，对应的RGB三元组为[1 1 0]；
- MarkerSize — 标记大小 6 （默认） | 正值
% Visualize the example dataset
plot(X(:, 1), X(:, 2), 'bo');
axis([0.5 6.5 2 8]); axis square; % 指定坐标范围：x轴为[0.5, 6.5], y轴为[2, 8]
2. 画散点图scatter
function plotDataPoints(X, idx, K) %PLOTDATAPOINTS plots data points in X, coloring them so that those with the same %index assignments in idx have the same color % PLOTDATAPOINTS(X, idx, K) plots data points in X, coloring them so that those % with the same index assignments in idx have the same color % Create palette palette = hsv(K + 1); % c = hsv(m) 返回包含 m 种颜色的颜色图，矩阵（K+1)*3，因为是彩色图（三原色） colors = palette(idx, :); % 取idx所在行的颜色矩阵 % Plot the data % scatter(x,y) ：在向量 x 和 y 指定的位置创建一个包含圆形标记的散点图。 % scatter(x,y,sz,c) ：在向量 x 和 y 指定的位置创建包含圆形标记的散点图，sz（size）：圆形标记大小，c（color）：标记颜色 scatter(X(:,1), X(:,2), 15, colors); end
3. linspace：生成线性间距向量
y = linspace(-5,5); % 创建一个由区间 [-5,5] 中的 100 个等间距点组成的向量。
y1 = linspace(-5,5,7) ; % 创建一个由区间 [-5,5] 中的 7 个等间距点组成的向量。
4. bsxfun(fun,A,B) 对数组 A 和 B 应用函数句柄 fun 指定的按元素二元运算
例：从矩阵 A 的对应列元素中减去列均值。然后，按标准差进行归一化。
A = [1 2 10; 3 4 20; 9 6 15]; C = bsxfun(@minus, A, mean(A)); D = bsxfun(@rdivide, C, std(A))
D = 3×3
-0.8006 -1.0000 -1.0000
-0.3203 0 1.0000
1.1209 1.0000 0
在 MATLAB® R2016b 及更高版本中，您可以直接使用运算符而不是 bsxfun，因为这些运算符本身支持对具有兼容大小的数组进行隐式扩展。
(A - mean(A))./std(A)
function [X_norm, mu, sigma] = featureNormalize(X) %FEATURENORMALIZE Normalizes the features in X % FEATURENORMALIZE(X) returns a normalized version of X where % the mean value of each feature is 0 and the standard deviation % is 1. This is often a good preprocessing step to do when % working with learning algorithms. mu = mean(X); X_norm = bsxfun(@minus, X, mu); sigma = std(X_norm); X_norm = bsxfun(@rdivide, X_norm, sigma); % ============================================================ end
5. 求和
5.1 sum
S = sum(A) ：默认维度dim=1
S = sum(A,dim) ：dim=1是行方向，按照每一行求和（汇总到第一行），结果是行向量；dim=2是列方向，按照每一列求和（汇总到第一列），结果是列向量
octave:85> A A = 1 2 3 4 octave:83> sum(A, 1) ans = 4 6 octave:82> sum(A) ans = 4 6 octave:84> sum(A, 2) ans = 3 7
5.2 矩阵+向量
octave:105> A=[1 2 3; 4 5 6] % 2x3 A = 1 2 3 4 5 6 octave:106> a a = 0 1 octave:107> A+a error: operator +: nonconformant arguments (op1 is 2x3, op2 is 1x2) % A的第1列的每个元素+a的第1列，同理第2、3列（此处a需为1x3 或 跟A的维度一致） octave:108> b b = 0 1 octave:109> A+b % A的第1行的每个元素+b的第1行，同理第2、3行 ans = 1 2 3 5 6 7
5.3 求距离的平方 ||x(i) − μj||^2
octave:14> A=[1 2] A = 1 2 octave:15> B=[2 5] B = 2 5 octave:16> (A(1,:) - B(1,:)).^2 ans = 1 9 octave:17> sum((A(1,:) - B(1,:)).^2) ans = 10
6. 数字和矩阵运算：
如 2.^A，对矩阵里面的每个元素 求 2^A(i,j)
如2*A，对矩阵的每个元素 求2*A(i,j)
7. 矩阵和向量的转换：reshape
octave:125> A A = 1 2 3 4 5 6 octave:126> A(:) % 转换为列向量，本质就是reshape(A, M*N, 1) ans = 1 4 2 5 3 6 octave:127> B=reshape(A, 6, 1) B = 1 4 2 5 3 6 octave:128> reshape(B, 2, 3) % 转换为矩阵 ans = 1 2 3 4 5 6
8. 元胞数组：cell array
元胞数组是一种包含名为元胞的索引数据容器的数据类型，其中的每个元胞都可以包含任意类型的数据。例如，
octave:1> B= {42, rand(5), "abcd"} B = { [1,1] = 42 [1,2] = %rand(5)是5*5的随机数（0-1）矩阵 0.422789 0.220235 0.953274 0.978148 0.128346 0.921530 0.154159 0.107819 0.088112 0.205652 0.759998 0.347502 0.243041 0.909032 0.947611 0.433564 0.118798 0.370793 0.339027 0.468828 0.689062 0.534718 0.194046 0.935231 0.665819 [1,3] = abcd } octave:2> size(B) ans = 1 3 octave:3> C = {'one', 'two', 'three'; 1, 2, 3} C = { [1,1] = one [2,1] = 1 [1,2] = two [2,2] = 2 [1,3] = three [2,3] = 3 } octave:4> size(C) ans = 2 3
引用元胞数组的元素有两种方法：
- 将索引括在圆括号
()中以引用元胞子集，例如，用于定义一个数组子集。 - 将索引括在花括号
{}中以引用各个元胞中的文本、数字或其他数据。 l例如：ast = C{2,3}；C{2,3} = 300 300赋值给C{2,3}； [r1c1, r2c1, r1c2, r2c2] = C{1:2,1:2}- 您可以使用花括号进行索引来访问多个元胞的内容。MATLAB® 会以逗号分隔的列表形式返回这些元胞的内容。因为每个元胞可以包含不同类型的数据，所以无法将此列表分配给单个变量。但是，您可以将此列表分配给与元胞数量相同的变量。MATLAB® 将按列顺序赋给变量。
将 C 的四个元胞的内容赋给四个变量。
[r1c1, r2c1, r1c2, r2c2] = C{1:2,1:2}
- 您可以使用花括号进行索引来访问多个元胞的内容。MATLAB® 会以逗号分隔的列表形式返回这些元胞的内容。因为每个元胞可以包含不同类型的数据，所以无法将此列表分配给单个变量。但是，您可以将此列表分配给与元胞数量相同的变量。MATLAB® 将按列顺序赋给变量。
圆括号中的元胞数组索引引用元胞集。例如，要创建一个属于 C 的子集的 2×2 元胞数组，请使用圆括号。
upperLeft = C(1:2,1:2)
upperLeft=2×2 cell array
{'one'} {'two'}
{[ 1]} {[ 2]}
通过将元胞集替换为相同数量的元胞来更新这些元胞集。例如，将 C 的第一行中的元胞替换为大小相等 (1×3) 的元胞数组。
C(1,1:3) = {'first','second','third'}
C=2×3 cell array
{'first'} {'second'} {'third'}
{[ 1]} {[ 2]} {[ 3]}
9. find
- k = find(X) 返回一个包含数组 X 中每个非零元素的线性索引的向量。
- ——如果 X 为向量，则 find 返回方向与 X 相同的向量。
- ——如果 X 为多维数组，则 find 返回由结果的线性索引组成的列向量。
- k = find(逻辑表达式)：同上，满足逻辑表达式的
octave:27> idx idx = 2 3 octave:28> find(idx==3) % 直接idx，则是返回非0元素 ans = 2 octave:29> A=[ 1 3 ; 3 4] A = 1 3 3 4 octave:31> find(A==3) ans = 2 3 octave:32> find(A>1) ans = 2 3 4
10. 等于(==），不等于（~=）
function centroids = computeCentroids(X, idx, K) % 计算聚类中心 %COMPUTECENTROIDS returns the new centroids by computing the means of the %data points assigned to each centroid. % centroids = COMPUTECENTROIDS(X, idx, K) returns the new centroids by % computing the means of the data points assigned to each centroid. It is % given a dataset X where each row is a single data point, a vector % idx of centroid assignments (i.e. each entry in range [1..K]) for each % example, and K, the number of centroids. You should return a matrix % centroids, where each row of centroids is the mean of the data points % assigned to it. % % Useful variables [m n] = size(X); % You need to return the following variables correctly. centroids = zeros(K, n); % ====================== YOUR CODE HERE ====================== % Instructions: Go over every centroid and compute mean of all points that % belong to it. Concretely, the row vector centroids(i, :) % should contain the mean of the data points assigned to % centroid i. % % Note: You can use a for-loop over the centroids to compute this. % for i = 1: K s = sum(idx == i); if (s ~= 0) % 不等于 centroids(i, :) = mean(X(find(idx == i), :)) else centroids(i, :) = zeros(1, n); end end % ============================================================= end
11. randperm 整数的随机排列
p = randperm( 返回行向量，其中包含从 1 到 n)n 没有重复元素的整数随机排列。
p = randperm( 返回行向量，其中包含在 1 到 n,k)n 之间随机选择的 k 个唯一整数。
X = rand( 返回一个由均匀分布的 (0,1)之间 随机数组成的 n)n×n 矩阵。
X = rand(m, 返回一个由均匀分布的 (0,1)之间 随机数组成的 m×n)n 矩阵。
12. 读取图像imread('xxx.img')，显示图像imagesc(C)
% Load an image of a bird A = double(imread('bird_small.png')); % A：128*128*3，彩色图片三元组 A = A / 255; % Divide by 255 so that all values are in the range 0 - 1；不做这一步，下一步的imagesc(A)展示不出来？? imagesc(A) % 将数组 A 中的数据显示为一个图像
