使用MATLAB分析处理csv数据

MATLAB加载csv文件的4种方法

1 使用csvread函数

csvread()函数有三种使用方法：

 M = csvread('filename')
 M = csvread('filename', row, col)
 M = csvread('filename', row, col, range)

第一种方法中，直接输入文件名，将数据读到矩阵M中。这里要求csv文件中只能包含数字。

第二种方法中，除了文件名，还指定了开始读取位置的行号（row）和列号（col）。
**这里，行号、列号以0开始计数。**也就是说，row=0, col=0表示从文件中第一个数开始读。

第三种方法中，range限定了读取的范围。range = [R1 C1 R2 C2]，这里（R1，C1）是读取区域的左上角，（R2，C2）是读取区域的右下角。在使用这种方法时，要求row, col等于range中的前两项。

注意：csv文件中的空项，读到矩阵中时，会初始化为0.

2 使用importdata函数

importdata('myfile.cvs')

前提条件是，都是数据格式

3 使用load函数

B = load('data.csv')

前提条件是，都是数据格式

4 直接拖到Matlab的工作区

如果文件中全部都是数据的话，可以直接将数据拖动到Matlab的工作区内。

在保证所有数据都被选中的情况下，在工具栏的“导入的数据”中选择要导入数据的类型，如果全部为数据，则可以导出为列矢量或者数值矩阵。

参考：MATLAB读取cvs文件的几种方法

用MATLAB对csv数据进行滤波插值制表

1 MATLAB加载csv文件，合并数据

由于csv文件中含有字符串信息，所以采取第一种方法，注意，第一个元素的位置是（0,0）！在MATLAB中输入：

AutoPilotMat = csvread('auto_pilot_enabled__info.csv',1,0);

得到csv中的数据矩阵

依次读取所有数据，并整合到一个矩阵中

AutoPilotMat = csvread('auto_pilot_enabled__info.csv',1,0);
FollowExpectMat = csvread('follow_expect_value_data.csv',1,0);
FollowRealMat = csvread('follow_real_value_data.csv',1,0);
FollowMatRaw = [AutoPilotMat(:,:),FollowExpectMat(:,2),FollowRealMat(:,2)];

2 MATLAB滤波和插值

然后提取属于自动驾驶部分的有效数据，进行滤波（除去200米的数据），除去之后用左右两边的数据来进行线性插值，要注意查找左右两边数据的时候，不要超出边界，查找边界的处理逻辑为：

if (200 == M(i,2))
        % search left side to find valid value
        left = i;
        leftEdgeFlag = 0;
        while( M(left,2) == 200 )            
            % if go to the edge, set leftEdgeFlag, then break
            if (1 == left)
                leftEdgeFlag = 1;
                break;
            else
                left = left-1;  
            end
        end
        leftValidValue = M(left,2);
end

线性插值的逻辑为：

 distanceLeft = i-left;
 distanceRight = right-i;
 distanceTotal = right-left;
 weightCoefficient = [distanceLeft/distanceTotal,distanceRight/distanceTotal];
 estimateValue = [leftValidValue,rightValidValue]*weightCoefficient';

3 MATLAB绘制图表

最后画图，添加说明信息：

% start to figure
figure;
% plot expected follow distance with green lines
plot(M(:,1),'g');
hold on;
% plot real follow distance with red lines
plot(M(:,2),'r');
% add label, title and legends
xlabel('frame','Fontsize',12);
ylabel('distance(m)','Fontsize',12);
title('Follow Distance Offset','Fontsize',18)
legend('expect follow distance','real follow distance')

得到：

4 附录——MATLAB完整代码

完整MATLAB代码：

% function:     1, parse the csv files, reorgnize csv files
%               2, filter data and renew the error value
%               3, plot figure to analysis expected follow distance vs
%                  real follow distance
% contributor:  liukai
% version:      v1.0
% last modify time:     2019.05.22.15.04

clear all;
close all;
clc;

AutoPilotMat = csvread('auto_pilot_enabled__info.csv',1,0);
FollowExpectMat = csvread('follow_expect_value_data.csv',1,0);
FollowRealMat = csvread('follow_real_value_data.csv',1,0);

% merge all these data
FollowMatRaw = [AutoPilotMat(:,:),FollowExpectMat(:,2),FollowRealMat(:,2)];
% auto pilot is on from row 7026
% extract auto pilot data, first column = follow_expect, secend column =
% follow_real
AutoPilotFollowMat = FollowMatRaw(7026:8495,3:4);
% filt data which is 200, use average data to replace it
M = AutoPilotFollowMat;
for i = 1:size(M,1)
    if (200 == M(i,2))
        % search left side to find valid value
        left = i;
        leftEdgeFlag = 0;
        while( M(left,2) == 200 )            
            % if go to the edge, set leftEdgeFlag, then break
            if (1 == left)
                leftEdgeFlag = 1;
                break;
            else
                left = left-1;  
            end
        end
        leftValidValue = M(left,2);
        
        % search right side to find valid value
        right = i;
        while( M(right,2) == 200 )
            % if go to the edge, set rightEdgeFlag, then break
            if ( size(M,1) == right)
                rightEdgeFlag = 1;
                break;
            else
                right = right+1;  
            end              
        end
        rightValidValue = M(right,2);
        % estimate real value, linear addition
        distanceLeft = i-left;
        distanceRight = right-i;
        distanceTotal = right-left;
        weightCoefficient = [distanceLeft/distanceTotal,distanceRight/distanceTotal];
        estimateValue = [leftValidValue,rightValidValue]*weightCoefficient';
        % renew 200 with estimateValue
        M(i,2) = estimateValue;
    end
end
% filteredAutoPilotFollowMat = M;

% start to figure
figure;
% plot expected follow distance with green lines
plot(M(:,1),'g');
hold on;
% plot real follow distance with red lines
plot(M(:,2),'r');
% add label, title and legends
xlabel('frame','Fontsize',12);
ylabel('distance(m)','Fontsize',12);
title('Follow Distance Offset','Fontsize',18)
legend('expect follow distance','real follow distance')