简介《MATLAB程序设计教程附代码》是一份面向MATLAB初学者与进阶用户的完整学习资料系统覆盖从基础环境、矩阵运算、绘图、数值求解、符号计算、控制流、文件I/O到Simulink动态仿真的九章内容可广泛应用于科学计算、数据分析和工程设计等场景。资源共118个文件包含13个PPT教学课件与105个可直接运行的M脚本示例打包后仅222KB按章节组织便于检索与对照学习。目前已有125人学习使用。每章配套讲义并附代码具体涉及二维/三维绘图、属性设置、插值拟合、求导积分、符号方程求解、条件与循环结构、外部文件读写以及简易Simulink仿真模型等方便读者边学边练、修改调试也可作为高校教学或自学入门的实用参考资料。无论是课程作业、科研验证还是工程仿真都能按图索骥找到对应示例进行二次开发。1. 这个标题里的MATALAB九成是拼错了的MATLAB搜索框里敲下“MATALAB程序设计教程附代码”的时候大部分人其实是在找MATLAB的入门资料——把字母顺序打反了是真事儿搜索引擎也照单全收。但顺着这个标题往下想它真正的需求不是“学会一个软件”而是我手里有数据、有公式、有矩阵运算怎么用最短的时间把这些东西变成能跑、能改、能出图的程序。这才是MATLAB的定位它不是通用编程语言是给工程师和科研人员做数值计算、仿真验证、算法原型用的交互式环境。这套教程适合三类读者刚进实验室要用MATLAB处理实验数据的本科生、被论文复现逼着写脚本的研究生以及从其他语言转过来想快速出活儿的开发者。它的核心价值只有一句话——用矩阵思维写程序而不是用C语言或Python的循环思维硬套MATLAB。我见过太多人从for i1:1000开始学MATLAB循环三层套三层跑一个5000×5000的矩阵运算等到喝水喝完还没出结果。实际做数值计算的正确打开方式是先把数据想成矩阵再把运算想成矩阵运算。这篇教程就按这个思路走先说清楚脚本、函数和矩阵这三个地基再讲数据结构怎么选、程序怎么写才不容易翻车最后落在调试和性能优化上。每一节代码都能直接复制运行也都能稍微改改就用在你自己手头的问题上。2. 从零搭起MATLAB程序的地基脚本、函数与矩阵2.1 用脚本文件跑通第一个完整流程新建、写码、运行MATLAB里最基础的程序载体是脚本文件.m文件。它适合做探索性工作数据读进来、算几步、输出结果所有中间变量都留在工作区里你能随时查看。新建脚本可以用编辑器工具栏的“新建脚本”也可以直接在命令行敲edit myscript.m编辑器会自动打开这个文件。跑脚本有两种方式在编辑器里点“运行”按钮或者在命令行输入脚本名后回车。% 第一个脚本读取一组实验数据并做简单统计 % 文件名建议用英文不要用中文避免编码问题 data [23, 28, 35, 41, 47, 52]; % 原始数据模拟某传感器6次采样值 mean_val mean(data); % 算术平均 std_val std(data); % 标准差注意默认是除以N-1 fprintf(均值: %.2f, 标准差: %.2f\n, mean_val, std_val);这段代码做的事情很基础但里面有三个值得新手注意的点。第一fprintf的输出格式是%.2f保留两位小数\n换行这和C语言的写法完全一致。第二std函数默认计算样本标准差分母N-1如果你要的是总体标准差要写std(data, 1)这个参数坑过不少人——尤其在工程上数据量小的时候两种标准差差别很明显。第三脚本文件里所有变量都会留在工作区下一次运行前最好用clear清理掉旧变量否则旧数据残留在工作区里新的脚本引用同名变量时会读到旧值这种隐蔽错误在长调试会话里最容易出现。脚本适合小任务但不适合被反复调用或嵌套。一旦程序开始膨胀就得把功能拆成函数。函数的创建是另一个文件文件名必须和函数名一致否则MATLAB会报错或者调不到——这是MATLAB最严格的规则之一和Python里文件名随便起完全不是一回事。2.2 自定义函数为什么不能用脚本代替函数参数怎么传写自定义函数的时机是一段逻辑被用了两次以上或者这个计算过程需要接收不同参数、返回不同结果。函数文件和脚本最大的区别在于函数有输入输出参数内部变量在调用结束后就销毁了不会污染工作区。对做数值计算的人来说这意味着可以放心地写一个calc_stress(data, area)然后反复调用不用担心中间变量覆盖掉主程序里的同名数据。% 文件名必须是 calc_stress.m function [avg_stress, max_stress] calc_stress(force, area) % 计算应力分布输入力向量和面积标量输出平均应力和最大应力 % 参数说明 % force - 1xN 向量每个元素是一个测点的力 % area - 1x1 标量受力面积假设恒定 % 返回 % avg_stress - 平均应力 % max_stress - 最大应力 if area 0 error(面积必须为正数当前值: %.2f, area); end stress_vals force ./ area; % 逐元素相除结果是一个向量 avg_stress mean(stress_vals); % 平均应力 max_stress max(stress_vals); % 最大应力 end调用方式很简单[avg, maxv] calc_stress([100, 150, 200], 5)。这里面有几件事值得注意。第一./是逐元素除法和矩阵除法/完全不同——如果写成force / areaMATLAB会尝试解方程组而不是做逐元素计算。第二函数的输入参数检查是必要的我在这个例子里用error函数挡掉了area 0的情况避免后面计算出Inf或NaN再回来找原因。第三多个返回值用方括号括起来接收时顺序必须对应。这是MATLAB相对其他语言比较有特色的地方——数组、结构体、函数返回值都可以一次性打包赋值。2.3 矩阵思维和编程思维的差别用一次矩阵运算替代三层循环很多从C语言过来的人习惯性写for循环来处理数组元素。这在MATLAB里不但是性能瓶颈而且代码冗长、容易错。向量化vectorization是MATLAB编程的第一性原则能用矩阵运算表达的就别用循环。举一个最典型的例子把一列数据里所有大于阈值的元素替换成阈值本身然后再求总和。% 向量化 vs 循环结果相同性能相差几十倍 data randn(1, 100000); % 生成10万个标准正态分布随机数 threshold 0.5; % 截断阈值 val sum(max(data, threshold)); % max(data, threshold) 把小于阈值的全部替换为阈值 % 反面写法不推荐用循环逐元素比较 total 0; for k 1:length(data) if data(k) threshold total total threshold; else total total data(k); end endmax(data, threshold)这一行是向量化的精髓MATLAB的max函数接收两个参数时会把第二个参数的标量值和向量逐元素比较返回一个和data同样长度的向量。这行代码替代了循环里所有判断和累加。性能差别在10万数据量上可能只差几十毫秒但在百万级数据上差的就不是一点点了。写程序的时候不妨养成习惯先想想这个循环能不能用一个矩阵函数表达sum、mean、max、min、diff、cumsum这些都是最常用的向量化函数。这不是炫技是为了让程序在真实数据量下能跑完、能实时交互。3. 数据组织与可视化细胞数组、结构体、表和批量出图3.1 数据放哪儿矩阵、细胞数组、结构体还是表MATLAB里存数据的方式不止矩阵一种。矩阵要求所有元素类型相同而真实场景往往是混合的一组实验数据里有型号名称字符串、测量时间日期时间、多个传感器通道数值数组。硬塞进矩阵只会产生类型转换错误或信息丢失。这种情况下有四种选择按场景区分。细胞数组cell array用花括号创建每个元素可以是任何类型适合存不同长度的序列。结构体struct用字段名访问数据可读性好适合存一组有固定属性的对象。表table是结构体和细胞数组的折中它把数据按列组织每列可以有不同的数据类型而且列名可以直接用变量名访问。做数据处理时我一般优先用table因为很多统计函数、绘图函数都直接接受表作为输入省去手动拆字段的麻烦。% 用表组织一次实验的多通道数据 % 列1: 时间戳列2: 温度列3: 振动幅值列4: 备注 exp_data table( ... datetime(2024, 5, 20, 10, 0, 0) seconds((0:4)), ... % 生成5个连续时间点 [23.5; 24.1; 24.8; 25.2; 25.7], ... % 温度 [0.12; 0.34; 0.28; 0.51; 0.44], ... % 振动幅值 {正常; 正常; 轻微波动; 波动增大; 正常}, ... % 备注 VariableNames, {Time, Temp, Vib, Note}); disp(exp_data); mean_temp mean(exp_data.Temp); % 用点号访问列数据返回数值数组这里datetime(2024, 5, 20, 10, 0, 0) seconds((0:4))生成的是一个5×1的datetime数组注意seconds函数传入的是列向量(0:4)这样才能逐元素加到时间起点上。table的VariableNames用来指定列名之后用exp_data.Temp直接访问温度那一列。这张表的优势在于后面画图时直接plot(exp_data.Time, exp_data.Temp)不需要手动把时间戳转成数值数组。如果数据量更大还可以用readtable直接读取CSV或Excel文件表的结构会自动识别。对嵌套的、异构的数据结构体数组更合适。比如有10个测点每个测点有各自的坐标和采样序列用结构体数组就是points(k).coord [x,y]、points(k).samples [...]。判断标准很简单如果是表格化的、每一行是一条记录用table如果是一组对象、每个对象有多个属性用struct如果只是临时组合不同长度的数据用cell。选错容器通常不会立刻报错但会在后续做统计或绘图时给自己挖坑。3.2 从数据到图一张可发表的图需要的5个设置MATLAB画图下限很低三行就能出一个折线图上限很高默认设置画出来的图离论文和报告的要求差得远。这里不讨论复杂的绘图语法只说一张能放进报告里的图必须设置的5件事坐标轴标注、图例、网格、线形和字体大小。做一个批量出图的脚本把这5件事固化进去以后每张图都自动带全。% 批量绘制多个通道的时序数据并自动保存为PNG % 前提exp_data 是3.1节创建的表包含 Time, Temp, Vib 两列观测数据 figure(Color, w, Position, [100, 100, 800, 500]); % 创建图窗白底尺寸800x500 plot(exp_data.Time, exp_data.Temp, -o, LineWidth, 1.5, MarkerSize, 6); hold on; plot(exp_data.Time, exp_data.Vib, -s, LineWidth, 1.5, MarkerSize, 6); hold off; xlabel(时间, FontSize, 12); ylabel(测量值, FontSize, 12); legend(温度(°C), 振动幅值, Location, northwest); grid on; set(gca, FontSize, 11); % gca 是当前坐标轴对象统一调整字体 saveas(gcf, exp_plot_1.png); % 保存当前图窗为PNGfigure的Position参数是[x, y, width, height]单位是像素前两个是窗口位置一般不用管宽高是主要的。plot里的-o表示实线加圆圈标记LineWidth控制线宽MarkerSize控制标记点大小。hold on和hold off用于在同一张图叠加多条曲线这条命令漏掉的话第二条曲线会覆盖掉第一条图里只剩最后一组数据。legend的参数个数必须和curve数量匹配顺序错了图例就对不上。gca是MATLAB里“当前坐标轴”的句柄set(gca, FontSize, 11)统一设置刻度字体大小避免每张图字大小参差不齐。saveas保存的格式由扩展名决定PNG是位图适合放在网页和PPT里如果投稿期刊最好用exportgraphics导出矢量PDF更清晰。批量画图时最省事的模式是把画图代码包成一个函数参数是数据和输出文件名循环里每调用一次就出一张图。这样避免了复制粘贴十几个几乎相同的画图代码块也保证所有图风格一致。调图的时候只需要改函数内部一个参数所有图同步更新。3.3 把数据从Excel和CSV读进来readtable与缺失值处理的常见坑真实项目里数据几乎不可能是手敲的都是从实验仪器导出的CSV、Excel文件。readtable是首选函数它能自动识别文件里的列名、数据类型甚至能处理日期时间格式。但有几个坑是每次都会遇到的写代码的时候直接绕开。% 读取CSV文件处理缺失值和数值型文本列 % 常见导出的CSV里会有 N/A、空白等占位符readtable 不会自动把它们变成 NaN filename experiment_raw.csv; raw_data readtable(filename, VariableNamingRule, preserve); % 保留原列名不做替换 % 把字符串列转成数值列某些仪器导出的数据数字实际是带引号的字符 if iscell(raw_data.Temp) raw_data.Temp str2double(string(raw_data.Temp)); % string() 转换后再转数值 end % 缺失值统一处理删除含NaN的行或者用 fillmissing 插值 clean_data rmmissing(raw_data);readtable读取时如果某一列是“数值和文本混在一起”它会自动把整列变成单元格数组。刚才代码里iscell(raw_data.Temp)就是检测这种情况然后通过string()先转成字符串数组再str2double转数值——这个转换链是处理此类问题最稳妥的做法。rmmissing直接删除任何列含缺失值的行适用于缺失数据占比小的情况如果缺失值出现在时间序列中间删除会破坏连续性应该用fillmissing(raw_data, linear)做线性插值。VariableNamingRule,preserve是R2019b之后才有的参数作用是防止MATLAB把列名里的特殊字符比如空格、括号替换成下划线。如果运行时提示参数无效说明MATLAB版本较老只能手动改列名。4. 把程序写“结实”从脚本到工程化的三个习惯4.1 用结构体做参数集摆脱一长串输入参数的混乱函数参数一多调用就成了灾难。比如一个处理实验数据的函数需要输入采样频率、滤波窗口、基线校正开关、去野值阈值、输出图开关……如果全写成独立参数调用时写六七行顺序记错一个就全错。我常用的做法是把所有配置参数装进一个结构体函数只接收这个结构体内部用isfield做缺省值兜底。% 定义参数字典集中管理所有可调项 params.fs 512; % 采样频率单位Hz params.window 0.125; % 滤波窗口长度单位秒 params.base_correct true; % 是否做基线校正 params.rem_outlier true; % 是否去除野值 params.plot_on false; % 是否输出中间过程图 % 处理函数只接收数据和参数结构体返回处理后的信号 function [out_signal] process_signal(data, params) % 逐个检查配置项缺省值兜底避免调用方遗漏字段导致程序崩溃 if ~isfield(params, fs), params.fs 512; end if ~isfield(params, window), params.window 0.125; end % 使用参数…… out_signal data; % 示意代码实际是滤波等处理逻辑 end这样做的收益在项目后期格外明显加一个新参数不需要改函数签名只需要在调用前往params结构体里加一个字段多个实验方案对比时只需要准备两套params结构体切换时改一个变量名就够了。isfield检查是兜底防止手写的params缺了字段而静默使用未初始化的东西——MATLAB里未初始化字段会直接报错倒是好事不会像其他语言那样用垃圾值算半天。这种“参数集中管理”的思路在整个MATLAB程序设计里都适用脚本、函数、Simulink模型都能用。4.2 断点调试与keyboard在出错现场停下来找问题写程序不出错不可能关键是找错的速度。MATLAB的编辑器里有断点调试点击行号旁边的横杠就能设置断点运行到断点处会停下来这时可以在命令行窗口查看所有变量当前的值、单步执行、跳进函数。但很多人不知道的是在代码里插入一句keyboard能起到同样的效果:停在这里进入调试模式查看变量然后输入dbcont继续运行。在脚本里写keyboard比设断点更灵活因为断点会随文件保存而丢失keyboard则是代码的一部分每次运行到都会停下来。% 使用 keyboard 在可疑位置暂停检查中间变量 raw [1, 2, NaN, 4]; idx find(raw 2); % 找大于2的索引 keyboard; % 程序运行到这里会暂停可以检查 idx 和 raw 的内容 % 在命令行输入 dbcont 继续执行输入 dbquit 退出调试 disp(idx);如果程序在中断后继续运行时报错处理顺序是先看错误信息里的“出错位置”MATLAB会给出出错的文件名和行号点击就能跳到对应行然后再看错误类型——最常见的是Index exceeds array bounds索引超界、Undefined function函数名或路径问题、Dimensions must agree矩阵维度不一致。调试时有个非常实用的习惯先看变量维度再看值。很多维度错误在早期就能被size检查拦住不必等到算到最后一步才爆。4.3 路径管理为什么别人的代码在你电脑上运行不了MATLAB的搜索路径机制是新手最困惑的地方之一。myfunc.m文件放在当前文件夹里在当前文件夹运行时没问题但切到另一个目录再调用myfunc就会报“未定义函数”。另一个典型问题是两个不同目录下有同名函数MATLAB会调用搜索路径里靠前的那一个跟实际想要的是两回事。解决办法有两个一是用addpath把常用代码目录添加进搜索路径二是在脚本开头用cd切换到代码所在目录。% 把代码目录加入搜索路径解决函数找不到的问题 % 建议把这一行放在启动脚本或主程序最开头 addpath(genpath(D:\workspace\matlab_tools)); % genpath 会递归添加所有子文件夹 savepath; % 把当前路径设置保存下来下次启动MATLAB仍然生效genpath会把指定目录下所有子目录都加进去适合组织好的工具包目录。但addpath加的路径只在本次会话有效重启MATLAB就没了所以要配合savepath持久化。如果涉及项目协作建议在项目主脚本开头统一用addpath这样任何人在任何机器上打开这个项目先跑一遍主脚本就把该加的路径都加好了。这块做不好就会遇到“明明自己电脑跑得好好的发给同事就报错找不见文件”的窘境。5. 避坑指南MATLAB程序设计里最常见的4个隐藏杀手5.1 中文注释和变量名导致的乱码与报错现象脚本里写了中文注释保存后重新打开中文全部变成乱码更严重的如果用了中文作为变量名运行时直接报“无效的文本字符”。原因MATLAB的编辑器在不同版本里默认编码不一致旧版本默认使用系统区域编码GBK新版本默认UTF-8跨版本交换文件时编码会被误读。解决所有.m文件统一使用英文变量名注释可以用中文但要在“预设→编辑器→语言”中把编码设为UTF-8如果已经出现乱码用系统自带文本编辑器以UTF-8编码重新打开并另存为。变量名永远用英文加下划线这是最省心的一条原则尤其多人协作时对方的MATLAB不见得和你是同一版本。5.2i和j被当成复数单位循环索引位置报错现象有人习惯用i做循环变量运行一段本来正常的代码突然报错说i未定义或值为复数。原因MATLAB里i和j默认是虚数单位sqrt(-1)只要某处代码执行了i 0或者i 1i就被重新赋值了——但如果代码换了顺序比如先用了复数运算2 3i又企图把i当索引就会混乱。更隐蔽的是工作区里残留了旧的i值脚本运行时不报错但结果全错。解决循环变量不要用i和j用k、n、idx都可以如果确实要用在脚本开头写一句clear i j清除掉内置的虚数单位赋值。复数运算时也不要依赖i字面量直接写complex(0, 1)更明确。5.3 循环里数组动态增长导致性能断崖式下降现象一个包含几万次迭代的循环每次循环都往数组末尾追加一个元素运行时间从几秒暴涨到几分钟甚至死等。原因MATLAB的数组在内存里是连续存储的每次“追加”都要重新分配一块更大的内存并复制旧数据总共会触发几万次内存重分配。解决预先分配数组空间data_out zeros(1, N)先创建好然后循环里只做索引赋值不做拼接。这个改动通常能把运行时间降低一到两个数量级。代码层面看是同一个结果但内存操作完全不同。% 错误示范循环里追加元素 data []; for k 1:50000 data(k) sqrt(k); % 每次都要重新分配内存极慢 end % 正确做法预分配空间 data zeros(1, 50000); for k 1:50000 data(k) sqrt(k); end5.4save和load的变量名陷阱明明存了数据读出来变了个名字现象保存数据后重新加载load出来的变量名不是保存时的名字程序里引用旧变量名时又报“未定义”。原因save存储的变量名是保存那一刻工作区里的变量名load默认按存储名恢复如果两个脚本里用了不同的变量名保存同一份数据加载后变量名就变来变去。解决使用save时同时指定存储变量名load时用load(filename, variable_name)指定要读取的字段更稳妥的做法是保存时把数据打包进结构体读取后结构体字段名是固定的不随脚本变量名变化。% 用结构体封装避免变量名混乱 result.data processed_values; result.params params; result.time datetime(now); save(exp_result.mat, result); % 读取 loaded load(exp_result.mat, result); processed loaded.result.data; % 访问路径固定不受其他变量名影响.mat文件是MATLAB的二进制格式适合临时保存中间结果。但如果需要和其他软件交换数据使用writetable写CSV、writematrix写矩阵文本格式更通用。.mat文件在版本间也有兼容问题——新版保存的.mat文件旧版MATLAB可能读不了保存时可以加参数-v7降低版本牺牲的是文件大小和部分功能换来兼容性。6. 让代码在真实数据量下跑起来向量化、预分配和tic/toc实测程序写“对”只是第一步写“快”才是数值计算里的真功夫。这里给一套性能自查方法。第一用tic和toc给关键段落计时在命令行输出耗时先量化再优化。第二排查循环凡是能写成矩阵运算的循环全改成向量化表达式凡是必须保留的循环数组全部预分配。第三在适当的位置使用parfor并行循环——它和for语法几乎一样但会把迭代分给多个worker并行执行适合数据量巨大、循环体内部无依赖的任务。% 性能对比实测向量化 vs 循环用 tic/toc 计时 N 500000; data randn(N, 1); tic; val1 sum(data(data 0)); % 用逻辑索引筛选正数并求和 t_vec toc; fprintf(向量化耗时: %.4f秒\n, t_vec); tic; total 0; for k 1:N if data(k) 0 total total data(k); end end t_loop toc; fprintf(循环耗时: %.4f秒\n, t_loop);data(data 0)是逻辑索引先比较生成一个和data等长的逻辑数组再用它筛选出满足条件的元素。这种写法不只是快它更接近“我要什么”而不是“怎么一步步拿”。真实项目里瓶颈极少出现在这种简单运算上更多是在矩阵乘法、滤波卷积、大规模插值这些底层操作。对这些操作直接调用内置函数比手写循环快得多——conv、filter、interp1、fft都是经过高度优化的不要试图用MATLAB脚本重造这些轮子。我自己的习惯是优化之前先计时优化之后再计时两次结果记在同一个地方。如果优化带来的加速低于20%说明瓶颈不在这段代码里不值得为这点收益增加代码复杂度。追求性能要有性价比意识——先让程序正确再让程序变快先找到真正的瓶颈再谈优化手段。这个习惯帮我少走了很多弯路省下大量把程序改成并行却只快了一点点的时间。希望这篇教程的每一个代码片段都能直接跑起来也都能在你自己的数据上马上用起来。本文还有配套的精品资源点击获取
简介《MATLAB程序设计教程附代码》是一份面向MATLAB初学者与进阶用户的完整学习资料系统覆盖从基础环境、矩阵运算、绘图、数值求解、符号计算、控制流、文件I/O到Simulink动态仿真的九章内容可广泛应用于科学计算、数据分析和工程设计等场景。资源共118个文件包含13个PPT教学课件与105个可直接运行的M脚本示例打包后仅222KB按章节组织便于检索与对照学习。目前已有125人学习使用。每章配套讲义并附代码具体涉及二维/三维绘图、属性设置、插值拟合、求导积分、符号方程求解、条件与循环结构、外部文件读写以及简易Simulink仿真模型等方便读者边学边练、修改调试也可作为高校教学或自学入门的实用参考资料。无论是课程作业、科研验证还是工程仿真都能按图索骥找到对应示例进行二次开发。1. 这个标题里的MATALAB九成是拼错了的MATLAB搜索框里敲下“MATALAB程序设计教程附代码”的时候大部分人其实是在找MATLAB的入门资料——把字母顺序打反了是真事儿搜索引擎也照单全收。但顺着这个标题往下想它真正的需求不是“学会一个软件”而是我手里有数据、有公式、有矩阵运算怎么用最短的时间把这些东西变成能跑、能改、能出图的程序。这才是MATLAB的定位它不是通用编程语言是给工程师和科研人员做数值计算、仿真验证、算法原型用的交互式环境。这套教程适合三类读者刚进实验室要用MATLAB处理实验数据的本科生、被论文复现逼着写脚本的研究生以及从其他语言转过来想快速出活儿的开发者。它的核心价值只有一句话——用矩阵思维写程序而不是用C语言或Python的循环思维硬套MATLAB。我见过太多人从for i1:1000开始学MATLAB循环三层套三层跑一个5000×5000的矩阵运算等到喝水喝完还没出结果。实际做数值计算的正确打开方式是先把数据想成矩阵再把运算想成矩阵运算。这篇教程就按这个思路走先说清楚脚本、函数和矩阵这三个地基再讲数据结构怎么选、程序怎么写才不容易翻车最后落在调试和性能优化上。每一节代码都能直接复制运行也都能稍微改改就用在你自己手头的问题上。2. 从零搭起MATLAB程序的地基脚本、函数与矩阵2.1 用脚本文件跑通第一个完整流程新建、写码、运行MATLAB里最基础的程序载体是脚本文件.m文件。它适合做探索性工作数据读进来、算几步、输出结果所有中间变量都留在工作区里你能随时查看。新建脚本可以用编辑器工具栏的“新建脚本”也可以直接在命令行敲edit myscript.m编辑器会自动打开这个文件。跑脚本有两种方式在编辑器里点“运行”按钮或者在命令行输入脚本名后回车。% 第一个脚本读取一组实验数据并做简单统计 % 文件名建议用英文不要用中文避免编码问题 data [23, 28, 35, 41, 47, 52]; % 原始数据模拟某传感器6次采样值 mean_val mean(data); % 算术平均 std_val std(data); % 标准差注意默认是除以N-1 fprintf(均值: %.2f, 标准差: %.2f\n, mean_val, std_val);这段代码做的事情很基础但里面有三个值得新手注意的点。第一fprintf的输出格式是%.2f保留两位小数\n换行这和C语言的写法完全一致。第二std函数默认计算样本标准差分母N-1如果你要的是总体标准差要写std(data, 1)这个参数坑过不少人——尤其在工程上数据量小的时候两种标准差差别很明显。第三脚本文件里所有变量都会留在工作区下一次运行前最好用clear清理掉旧变量否则旧数据残留在工作区里新的脚本引用同名变量时会读到旧值这种隐蔽错误在长调试会话里最容易出现。脚本适合小任务但不适合被反复调用或嵌套。一旦程序开始膨胀就得把功能拆成函数。函数的创建是另一个文件文件名必须和函数名一致否则MATLAB会报错或者调不到——这是MATLAB最严格的规则之一和Python里文件名随便起完全不是一回事。2.2 自定义函数为什么不能用脚本代替函数参数怎么传写自定义函数的时机是一段逻辑被用了两次以上或者这个计算过程需要接收不同参数、返回不同结果。函数文件和脚本最大的区别在于函数有输入输出参数内部变量在调用结束后就销毁了不会污染工作区。对做数值计算的人来说这意味着可以放心地写一个calc_stress(data, area)然后反复调用不用担心中间变量覆盖掉主程序里的同名数据。% 文件名必须是 calc_stress.m function [avg_stress, max_stress] calc_stress(force, area) % 计算应力分布输入力向量和面积标量输出平均应力和最大应力 % 参数说明 % force - 1xN 向量每个元素是一个测点的力 % area - 1x1 标量受力面积假设恒定 % 返回 % avg_stress - 平均应力 % max_stress - 最大应力 if area 0 error(面积必须为正数当前值: %.2f, area); end stress_vals force ./ area; % 逐元素相除结果是一个向量 avg_stress mean(stress_vals); % 平均应力 max_stress max(stress_vals); % 最大应力 end调用方式很简单[avg, maxv] calc_stress([100, 150, 200], 5)。这里面有几件事值得注意。第一./是逐元素除法和矩阵除法/完全不同——如果写成force / areaMATLAB会尝试解方程组而不是做逐元素计算。第二函数的输入参数检查是必要的我在这个例子里用error函数挡掉了area 0的情况避免后面计算出Inf或NaN再回来找原因。第三多个返回值用方括号括起来接收时顺序必须对应。这是MATLAB相对其他语言比较有特色的地方——数组、结构体、函数返回值都可以一次性打包赋值。2.3 矩阵思维和编程思维的差别用一次矩阵运算替代三层循环很多从C语言过来的人习惯性写for循环来处理数组元素。这在MATLAB里不但是性能瓶颈而且代码冗长、容易错。向量化vectorization是MATLAB编程的第一性原则能用矩阵运算表达的就别用循环。举一个最典型的例子把一列数据里所有大于阈值的元素替换成阈值本身然后再求总和。% 向量化 vs 循环结果相同性能相差几十倍 data randn(1, 100000); % 生成10万个标准正态分布随机数 threshold 0.5; % 截断阈值 val sum(max(data, threshold)); % max(data, threshold) 把小于阈值的全部替换为阈值 % 反面写法不推荐用循环逐元素比较 total 0; for k 1:length(data) if data(k) threshold total total threshold; else total total data(k); end endmax(data, threshold)这一行是向量化的精髓MATLAB的max函数接收两个参数时会把第二个参数的标量值和向量逐元素比较返回一个和data同样长度的向量。这行代码替代了循环里所有判断和累加。性能差别在10万数据量上可能只差几十毫秒但在百万级数据上差的就不是一点点了。写程序的时候不妨养成习惯先想想这个循环能不能用一个矩阵函数表达sum、mean、max、min、diff、cumsum这些都是最常用的向量化函数。这不是炫技是为了让程序在真实数据量下能跑完、能实时交互。3. 数据组织与可视化细胞数组、结构体、表和批量出图3.1 数据放哪儿矩阵、细胞数组、结构体还是表MATLAB里存数据的方式不止矩阵一种。矩阵要求所有元素类型相同而真实场景往往是混合的一组实验数据里有型号名称字符串、测量时间日期时间、多个传感器通道数值数组。硬塞进矩阵只会产生类型转换错误或信息丢失。这种情况下有四种选择按场景区分。细胞数组cell array用花括号创建每个元素可以是任何类型适合存不同长度的序列。结构体struct用字段名访问数据可读性好适合存一组有固定属性的对象。表table是结构体和细胞数组的折中它把数据按列组织每列可以有不同的数据类型而且列名可以直接用变量名访问。做数据处理时我一般优先用table因为很多统计函数、绘图函数都直接接受表作为输入省去手动拆字段的麻烦。% 用表组织一次实验的多通道数据 % 列1: 时间戳列2: 温度列3: 振动幅值列4: 备注 exp_data table( ... datetime(2024, 5, 20, 10, 0, 0) seconds((0:4)), ... % 生成5个连续时间点 [23.5; 24.1; 24.8; 25.2; 25.7], ... % 温度 [0.12; 0.34; 0.28; 0.51; 0.44], ... % 振动幅值 {正常; 正常; 轻微波动; 波动增大; 正常}, ... % 备注 VariableNames, {Time, Temp, Vib, Note}); disp(exp_data); mean_temp mean(exp_data.Temp); % 用点号访问列数据返回数值数组这里datetime(2024, 5, 20, 10, 0, 0) seconds((0:4))生成的是一个5×1的datetime数组注意seconds函数传入的是列向量(0:4)这样才能逐元素加到时间起点上。table的VariableNames用来指定列名之后用exp_data.Temp直接访问温度那一列。这张表的优势在于后面画图时直接plot(exp_data.Time, exp_data.Temp)不需要手动把时间戳转成数值数组。如果数据量更大还可以用readtable直接读取CSV或Excel文件表的结构会自动识别。对嵌套的、异构的数据结构体数组更合适。比如有10个测点每个测点有各自的坐标和采样序列用结构体数组就是points(k).coord [x,y]、points(k).samples [...]。判断标准很简单如果是表格化的、每一行是一条记录用table如果是一组对象、每个对象有多个属性用struct如果只是临时组合不同长度的数据用cell。选错容器通常不会立刻报错但会在后续做统计或绘图时给自己挖坑。3.2 从数据到图一张可发表的图需要的5个设置MATLAB画图下限很低三行就能出一个折线图上限很高默认设置画出来的图离论文和报告的要求差得远。这里不讨论复杂的绘图语法只说一张能放进报告里的图必须设置的5件事坐标轴标注、图例、网格、线形和字体大小。做一个批量出图的脚本把这5件事固化进去以后每张图都自动带全。% 批量绘制多个通道的时序数据并自动保存为PNG % 前提exp_data 是3.1节创建的表包含 Time, Temp, Vib 两列观测数据 figure(Color, w, Position, [100, 100, 800, 500]); % 创建图窗白底尺寸800x500 plot(exp_data.Time, exp_data.Temp, -o, LineWidth, 1.5, MarkerSize, 6); hold on; plot(exp_data.Time, exp_data.Vib, -s, LineWidth, 1.5, MarkerSize, 6); hold off; xlabel(时间, FontSize, 12); ylabel(测量值, FontSize, 12); legend(温度(°C), 振动幅值, Location, northwest); grid on; set(gca, FontSize, 11); % gca 是当前坐标轴对象统一调整字体 saveas(gcf, exp_plot_1.png); % 保存当前图窗为PNGfigure的Position参数是[x, y, width, height]单位是像素前两个是窗口位置一般不用管宽高是主要的。plot里的-o表示实线加圆圈标记LineWidth控制线宽MarkerSize控制标记点大小。hold on和hold off用于在同一张图叠加多条曲线这条命令漏掉的话第二条曲线会覆盖掉第一条图里只剩最后一组数据。legend的参数个数必须和curve数量匹配顺序错了图例就对不上。gca是MATLAB里“当前坐标轴”的句柄set(gca, FontSize, 11)统一设置刻度字体大小避免每张图字大小参差不齐。saveas保存的格式由扩展名决定PNG是位图适合放在网页和PPT里如果投稿期刊最好用exportgraphics导出矢量PDF更清晰。批量画图时最省事的模式是把画图代码包成一个函数参数是数据和输出文件名循环里每调用一次就出一张图。这样避免了复制粘贴十几个几乎相同的画图代码块也保证所有图风格一致。调图的时候只需要改函数内部一个参数所有图同步更新。3.3 把数据从Excel和CSV读进来readtable与缺失值处理的常见坑真实项目里数据几乎不可能是手敲的都是从实验仪器导出的CSV、Excel文件。readtable是首选函数它能自动识别文件里的列名、数据类型甚至能处理日期时间格式。但有几个坑是每次都会遇到的写代码的时候直接绕开。% 读取CSV文件处理缺失值和数值型文本列 % 常见导出的CSV里会有 N/A、空白等占位符readtable 不会自动把它们变成 NaN filename experiment_raw.csv; raw_data readtable(filename, VariableNamingRule, preserve); % 保留原列名不做替换 % 把字符串列转成数值列某些仪器导出的数据数字实际是带引号的字符 if iscell(raw_data.Temp) raw_data.Temp str2double(string(raw_data.Temp)); % string() 转换后再转数值 end % 缺失值统一处理删除含NaN的行或者用 fillmissing 插值 clean_data rmmissing(raw_data);readtable读取时如果某一列是“数值和文本混在一起”它会自动把整列变成单元格数组。刚才代码里iscell(raw_data.Temp)就是检测这种情况然后通过string()先转成字符串数组再str2double转数值——这个转换链是处理此类问题最稳妥的做法。rmmissing直接删除任何列含缺失值的行适用于缺失数据占比小的情况如果缺失值出现在时间序列中间删除会破坏连续性应该用fillmissing(raw_data, linear)做线性插值。VariableNamingRule,preserve是R2019b之后才有的参数作用是防止MATLAB把列名里的特殊字符比如空格、括号替换成下划线。如果运行时提示参数无效说明MATLAB版本较老只能手动改列名。4. 把程序写“结实”从脚本到工程化的三个习惯4.1 用结构体做参数集摆脱一长串输入参数的混乱函数参数一多调用就成了灾难。比如一个处理实验数据的函数需要输入采样频率、滤波窗口、基线校正开关、去野值阈值、输出图开关……如果全写成独立参数调用时写六七行顺序记错一个就全错。我常用的做法是把所有配置参数装进一个结构体函数只接收这个结构体内部用isfield做缺省值兜底。% 定义参数字典集中管理所有可调项 params.fs 512; % 采样频率单位Hz params.window 0.125; % 滤波窗口长度单位秒 params.base_correct true; % 是否做基线校正 params.rem_outlier true; % 是否去除野值 params.plot_on false; % 是否输出中间过程图 % 处理函数只接收数据和参数结构体返回处理后的信号 function [out_signal] process_signal(data, params) % 逐个检查配置项缺省值兜底避免调用方遗漏字段导致程序崩溃 if ~isfield(params, fs), params.fs 512; end if ~isfield(params, window), params.window 0.125; end % 使用参数…… out_signal data; % 示意代码实际是滤波等处理逻辑 end这样做的收益在项目后期格外明显加一个新参数不需要改函数签名只需要在调用前往params结构体里加一个字段多个实验方案对比时只需要准备两套params结构体切换时改一个变量名就够了。isfield检查是兜底防止手写的params缺了字段而静默使用未初始化的东西——MATLAB里未初始化字段会直接报错倒是好事不会像其他语言那样用垃圾值算半天。这种“参数集中管理”的思路在整个MATLAB程序设计里都适用脚本、函数、Simulink模型都能用。4.2 断点调试与keyboard在出错现场停下来找问题写程序不出错不可能关键是找错的速度。MATLAB的编辑器里有断点调试点击行号旁边的横杠就能设置断点运行到断点处会停下来这时可以在命令行窗口查看所有变量当前的值、单步执行、跳进函数。但很多人不知道的是在代码里插入一句keyboard能起到同样的效果:停在这里进入调试模式查看变量然后输入dbcont继续运行。在脚本里写keyboard比设断点更灵活因为断点会随文件保存而丢失keyboard则是代码的一部分每次运行到都会停下来。% 使用 keyboard 在可疑位置暂停检查中间变量 raw [1, 2, NaN, 4]; idx find(raw 2); % 找大于2的索引 keyboard; % 程序运行到这里会暂停可以检查 idx 和 raw 的内容 % 在命令行输入 dbcont 继续执行输入 dbquit 退出调试 disp(idx);如果程序在中断后继续运行时报错处理顺序是先看错误信息里的“出错位置”MATLAB会给出出错的文件名和行号点击就能跳到对应行然后再看错误类型——最常见的是Index exceeds array bounds索引超界、Undefined function函数名或路径问题、Dimensions must agree矩阵维度不一致。调试时有个非常实用的习惯先看变量维度再看值。很多维度错误在早期就能被size检查拦住不必等到算到最后一步才爆。4.3 路径管理为什么别人的代码在你电脑上运行不了MATLAB的搜索路径机制是新手最困惑的地方之一。myfunc.m文件放在当前文件夹里在当前文件夹运行时没问题但切到另一个目录再调用myfunc就会报“未定义函数”。另一个典型问题是两个不同目录下有同名函数MATLAB会调用搜索路径里靠前的那一个跟实际想要的是两回事。解决办法有两个一是用addpath把常用代码目录添加进搜索路径二是在脚本开头用cd切换到代码所在目录。% 把代码目录加入搜索路径解决函数找不到的问题 % 建议把这一行放在启动脚本或主程序最开头 addpath(genpath(D:\workspace\matlab_tools)); % genpath 会递归添加所有子文件夹 savepath; % 把当前路径设置保存下来下次启动MATLAB仍然生效genpath会把指定目录下所有子目录都加进去适合组织好的工具包目录。但addpath加的路径只在本次会话有效重启MATLAB就没了所以要配合savepath持久化。如果涉及项目协作建议在项目主脚本开头统一用addpath这样任何人在任何机器上打开这个项目先跑一遍主脚本就把该加的路径都加好了。这块做不好就会遇到“明明自己电脑跑得好好的发给同事就报错找不见文件”的窘境。5. 避坑指南MATLAB程序设计里最常见的4个隐藏杀手5.1 中文注释和变量名导致的乱码与报错现象脚本里写了中文注释保存后重新打开中文全部变成乱码更严重的如果用了中文作为变量名运行时直接报“无效的文本字符”。原因MATLAB的编辑器在不同版本里默认编码不一致旧版本默认使用系统区域编码GBK新版本默认UTF-8跨版本交换文件时编码会被误读。解决所有.m文件统一使用英文变量名注释可以用中文但要在“预设→编辑器→语言”中把编码设为UTF-8如果已经出现乱码用系统自带文本编辑器以UTF-8编码重新打开并另存为。变量名永远用英文加下划线这是最省心的一条原则尤其多人协作时对方的MATLAB不见得和你是同一版本。5.2i和j被当成复数单位循环索引位置报错现象有人习惯用i做循环变量运行一段本来正常的代码突然报错说i未定义或值为复数。原因MATLAB里i和j默认是虚数单位sqrt(-1)只要某处代码执行了i 0或者i 1i就被重新赋值了——但如果代码换了顺序比如先用了复数运算2 3i又企图把i当索引就会混乱。更隐蔽的是工作区里残留了旧的i值脚本运行时不报错但结果全错。解决循环变量不要用i和j用k、n、idx都可以如果确实要用在脚本开头写一句clear i j清除掉内置的虚数单位赋值。复数运算时也不要依赖i字面量直接写complex(0, 1)更明确。5.3 循环里数组动态增长导致性能断崖式下降现象一个包含几万次迭代的循环每次循环都往数组末尾追加一个元素运行时间从几秒暴涨到几分钟甚至死等。原因MATLAB的数组在内存里是连续存储的每次“追加”都要重新分配一块更大的内存并复制旧数据总共会触发几万次内存重分配。解决预先分配数组空间data_out zeros(1, N)先创建好然后循环里只做索引赋值不做拼接。这个改动通常能把运行时间降低一到两个数量级。代码层面看是同一个结果但内存操作完全不同。% 错误示范循环里追加元素 data []; for k 1:50000 data(k) sqrt(k); % 每次都要重新分配内存极慢 end % 正确做法预分配空间 data zeros(1, 50000); for k 1:50000 data(k) sqrt(k); end5.4save和load的变量名陷阱明明存了数据读出来变了个名字现象保存数据后重新加载load出来的变量名不是保存时的名字程序里引用旧变量名时又报“未定义”。原因save存储的变量名是保存那一刻工作区里的变量名load默认按存储名恢复如果两个脚本里用了不同的变量名保存同一份数据加载后变量名就变来变去。解决使用save时同时指定存储变量名load时用load(filename, variable_name)指定要读取的字段更稳妥的做法是保存时把数据打包进结构体读取后结构体字段名是固定的不随脚本变量名变化。% 用结构体封装避免变量名混乱 result.data processed_values; result.params params; result.time datetime(now); save(exp_result.mat, result); % 读取 loaded load(exp_result.mat, result); processed loaded.result.data; % 访问路径固定不受其他变量名影响.mat文件是MATLAB的二进制格式适合临时保存中间结果。但如果需要和其他软件交换数据使用writetable写CSV、writematrix写矩阵文本格式更通用。.mat文件在版本间也有兼容问题——新版保存的.mat文件旧版MATLAB可能读不了保存时可以加参数-v7降低版本牺牲的是文件大小和部分功能换来兼容性。6. 让代码在真实数据量下跑起来向量化、预分配和tic/toc实测程序写“对”只是第一步写“快”才是数值计算里的真功夫。这里给一套性能自查方法。第一用tic和toc给关键段落计时在命令行输出耗时先量化再优化。第二排查循环凡是能写成矩阵运算的循环全改成向量化表达式凡是必须保留的循环数组全部预分配。第三在适当的位置使用parfor并行循环——它和for语法几乎一样但会把迭代分给多个worker并行执行适合数据量巨大、循环体内部无依赖的任务。% 性能对比实测向量化 vs 循环用 tic/toc 计时 N 500000; data randn(N, 1); tic; val1 sum(data(data 0)); % 用逻辑索引筛选正数并求和 t_vec toc; fprintf(向量化耗时: %.4f秒\n, t_vec); tic; total 0; for k 1:N if data(k) 0 total total data(k); end end t_loop toc; fprintf(循环耗时: %.4f秒\n, t_loop);data(data 0)是逻辑索引先比较生成一个和data等长的逻辑数组再用它筛选出满足条件的元素。这种写法不只是快它更接近“我要什么”而不是“怎么一步步拿”。真实项目里瓶颈极少出现在这种简单运算上更多是在矩阵乘法、滤波卷积、大规模插值这些底层操作。对这些操作直接调用内置函数比手写循环快得多——conv、filter、interp1、fft都是经过高度优化的不要试图用MATLAB脚本重造这些轮子。我自己的习惯是优化之前先计时优化之后再计时两次结果记在同一个地方。如果优化带来的加速低于20%说明瓶颈不在这段代码里不值得为这点收益增加代码复杂度。追求性能要有性价比意识——先让程序正确再让程序变快先找到真正的瓶颈再谈优化手段。这个习惯帮我少走了很多弯路省下大量把程序改成并行却只快了一点点的时间。希望这篇教程的每一个代码片段都能直接跑起来也都能在你自己的数据上马上用起来。本文还有配套的精品资源点击获取
