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) （查看）：创建 Y 中数据对 X 中对应值的二维线图。

plot(X,Y,LineSpec) : LineSpec 使用指定的线型、标记和颜色创建绘图； 线型、标记和颜色，指定为包含符号的字符串或字符向量。符号可以按任意顺序显示。您不需要同时指定所有三个特征（线型、标记和颜色）。例如，如果忽略线型，只指定标记，则绘图只显示标记，不显示线条。

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}

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(n) 返回行向量，其中包含从 1 到 n 没有重复元素的整数随机排列。

p = randperm(n,k) 返回行向量，其中包含在 1 到 n 之间随机选择的 k 个唯一整数。

X = rand(n) 返回一个由均匀分布的 (0,1)之间随机数组成的 n×n 矩阵。

X = rand(m, n) 返回一个由均匀分布的 (0,1)之间随机数组成的 m×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