需求
现有一个txt文件，其中包含了2003-2005年所有站点的日气象数据，需要从中提取并整理需要的温度数据。
代码
%% 读取txt文件中的站点，温度等数据
%By Yang，2019/5/12
%所有站点，所有数据都在一个txt中
%先利用fopen打开文件，赋予文件代号fid
fid = fopen('I:\climate\raw_climate\data2002-2005.txt');
%利用textscan读取txt里的数据
% %q为读取双引号括起来的
% 'Delimiter',',' 以,为分隔符
% 'headerlines', 1 不读第一行
data = textscan(fid,'%q%q%q%q%q%q%q%q%q','Delimiter',',','headerlines', 1);
fclose(fid);
temp1 = data{1,1}; %站点号V01000
tempp1 = str2double(temp1); %转换字符串为数值
temp2 = data{1,2}; %年V04001
tempp2 = str2double(temp2);
temp3 = data{1,3}; %月V04002
tempp3 = str2double(temp3);
temp4 = data{1,4}; %日V04003
tempp4 = str2double(temp4);
temp5 = data{1,8}; %温度数据V12001
tempp5 = str2double(temp5);
%组合矩阵
temm = [tempp1,tempp2,tempp3,tempp4,tempp5];
%% 按站点分成不同的矩阵
station = unique(temm(:,1) );%提取不重复站点号
%不同站点的数据分为不同元胞，排为一行
for i = 1:length(station)
%利用find找到对应站点数据的行号
index = find(temm(:,1)==station(i));
tem02_05_d{1,i} = temm(index,:);
end
%% 记录2002-2005年数据缺少太多的站点位置，并删掉
[m,n] = size(tem02_05_d);
B = zeros(1,n); %创建0矩阵
for j=1:n
number = length(tem02_05_d{1,j}); %每个站点元胞内的数据长度
if number>1387 %准备把数据中缺少5%以上的删去
B(1,j)=1; %将没有缺少的位置标记为1
end
end
[p,q]=find(B==0); %[p,q]为空元胞所在行列号，即缺少5%以上的数据
tem02_05_d(q)=[]; %去掉空元胞(即删去),这里考虑的是原始数据是1行n列的情况，如果是m行1列就改成A(p)=[];
station(q)=[]; %对应的站点号也删掉
%% 找到每个站点数据中的缺测值，并填补为NAN
%因为数据源有问题，缺测的值没有填充，被直接删除了，所以要先找到缺测的天数（位置）
perfect = tem02_05_d{1,1}(:,1:4); %创建一个有完整序列站点（本数据为第一个站点）的前四列，站点号,年，月，日
for k = 1:length(tem02_05_d) %删掉缺测站点所剩的站点数
data = tem02_05_d{1,k};
a = tem02_05_d{1,k}(1,1); %a为对应站点的站点号
perfect(:,1) = a; %第一列替换为对应站点的站点号，年月日不变
perfect(:,5) = NaN; %第五列填充为NaN
for i =1:length(data)
year = data(i,2);
month = data(i,3);
day = data(i,4);
%利用find找到年月日都正确的站点数据的行号
ind = find(perfect(:,2)==year&perfect(:,3)==month&perfect(:,4)==day);
perfect(ind,5) = data(i,5); %缺测的数据会没有填充即为NaN
end
tem02_05d{1,k} = perfect;
end
%% 处理特征值(本数据32766为缺测的特征值)，将其转为NAN值
for i = 1:length(tem02_05d)
tem02_05d{1,i}(tem02_05d{1,i} == 32766) = NaN;
end
%% 将2002-2005年数据中NAN值较多的站点删去
%统计每个站点元胞中的NaN值数量
for k = 1:length(tem02_05d)
temp = tem02_05d{1,k};
index = isnan(temp(:,5)); %利用isnan来确定是否为NaN，是为1，否为0
ID = find(index == 1); %利用find找到NaN的行号
ID_temp{1,k} = temp(ID,:); %ID_temp为每个NAN值的数量
end
% 将数据中NaN值太多的站点删掉
[m,n] = size(ID_temp);
B = zeros(1,n);
for j=1:n
number = length(ID_temp{1,j});
if number<50 %准备把数据中缺少5%以上的删去
B(1,j)=1; %将超过5%以上NaN的数据位置标记为1
end
end
[p,q]=find(B==0); %[p,q]为空元胞所在行列号，即缺少5%以上的数据
tem02_05d(q)=[]; %去掉空元胞（即删去）,这里考虑的是原始数据是1行n列的情况，如果是m行1列就改成A(p)=[];
station(q)=[]; %对应站点删掉
%% 对缺测值进行线性插值，利用fillmissing函数
for i = 1:length(tem02_05d)
tem02_05d{1,i}(:,5) = fillmissing(tem02_05d{1,i}(:,5),'linear');
end
%% 单位转换,本数据温度需除以10
for k = 1:length(tem02_05d)
temp = tem02_05d{1,k};
temp(:,5) = temp(:,5)/10;
tem02_05d{1,k} = temp;
end