Prétraitement des données

Nettoyer, normaliser, agréger et analyser les données

Le prétraitement des données est le processus qui consiste à transformer des données brutes en un format plus facile à analyser. Ce processus peut comprendre des étapes de nettoyage telles que la gestion des valeurs manquantes ou le lissage des données bruitées. Le nettoyage, l’organisation et le résumé des données permettent d’identifier des patterns, de réaliser des prédictions et de prendre des décisions éclairées.

Applications

développer tout

Data CleanerPreprocess and organize column-oriented data (depuis R2022a)

Tâches du Live Editor

développer tout

Clean Missing Data (Nettoyer les données manquantes)Find, fill, or remove missing data in the Live Editor
Clean Outlier Data (Nettoyer les valeurs aberrantes)Find, fill, or remove outliers in the Live Editor
Smooth Data (Lisser les données)Smooth noisy data in the Live Editor
Find Local Extrema (Rechercher les valeurs extrêmes locales)Find local maxima and minima in the Live Editor
Find Change Points (Rechercher les points de retournement)Find abrupt changes in data in the Live Editor
Stack Table Variables (Empiler des variables de table)Combine values from multiple table variables into one table variable in the Live Editor
Unstack Table Variables (Dépiler des variables de table)Distribute values from one table variable to multiple table variables in the Live Editor
Retime Timetable (Resynchroniser une timetable)Resample or aggregate timetable data in the Live Editor
Normalize Data (Normaliser les données)Center and scale data in the Live Editor (depuis R2021b)
Find and Remove Trends (Rechercher et supprimer les tendances)Find and remove polynomial or periodic trends from data in the Live Editor
Pivot Table (Tableau croisé dynamique)Summarize tabular data in pivoted table in the Live Editor (depuis R2023b)
Compute by Group (Calculer par groupe)Summarize, transform, or filter by group in the Live Editor (depuis R2021b)

Fonctions

développer tout

Valeurs manquantes

fillmissingFill missing entries
fillmissing2Fill missing entries in 2-D data (depuis R2023a)
standardizeMissingInsert standard missing values
rmmissingRemove missing entries
anymissingDetermine if any array element is missing (depuis R2022a)
ismissingFind missing values
missingCreate missing values

Valeurs aberrantes

filloutliersDetect and replace outliers in data
rmoutliersDetect and remove outliers in data
isoutlierFind outliers in data
clipClip data to range (depuis R2024a)
isbetweenDetermine which elements are within specified range
allbetweenDetermine if all elements are within specified range (depuis R2025a)

Réduction du bruit

smoothdataSmooth noisy data
smoothdata2 Smooth noisy data in two dimensions (depuis R2023b)
movmeanMoving mean
movmedianMoving median
movsumMoving sum

Valeurs extrêmes locales et points de retournement

islocalminFind local minima
islocalmin2Find local minima in 2-D data (depuis R2024a)
islocalmaxFind local maxima
islocalmax2Find local maxima in 2-D data (depuis R2024a)
ischangeFind abrupt changes in data

Échantillonnage

isuniformDetermine if vector is uniformly spaced (depuis R2022b)
isregularDetermine if input times are regular with respect to time or calendar unit
retimeResample or aggregate data in timetable, and resolve duplicate or irregular times

Restructurer des tables

rows2varsReorient table or timetable so that rows become variables
stackStack data from input table or timetable into one variable of output table or timetable
unstackUnstack data from input table or timetable into multiple variables of output table or timetable

Trier et comparer des éléments

sortSort array elements
sortrowsSort rows of matrix or table
issortedDetermine if array is sorted
issortedrowsDetermine if matrix or table rows are sorted
uniqueUnique values
uniquetolUnique values within tolerance
alluniqueDetermine if all values are unique (depuis R2025a)
numuniqueNumber of unique values (depuis R2025a)
ismemberFind set members of data
ismembertolFind set members of data within tolerance

Redimensionner

paddataPad data by adding elements (depuis R2023b)
trimdataTrim data by removing elements (depuis R2023b)
resizeResize data by adding or removing elements (depuis R2023b)

Normaliser

normalizeNormalize data
rescaleScale range of array elements

Rechercher et supprimer les tendances

detrendRemove polynomial trend
trenddecompFind trends in data (depuis R2021b)

Regrouper

discretizeGroup data into bins or categories
histcountsHistogram bin counts
histcounts2Bivariate histogram bin counts

Créer un tableau croisé dynamique

pivotSummarize tabular data in pivoted table (depuis R2023a)

Résumer

summaryData summary
groupsummaryGroup summary computations
groupcountsNumber of group elements
groupfilterFilter by group
grouptransformTransform by group
findgroupsFind groups and return group numbers
splitapplySplit data into groups and apply function
accumarrayAccumulate vector elements

Rubriques

Nettoyer les données

Supprimer les tendances

Résumer

Informations connexes

Sélection d՚exemples

Data Cleaning and Calculations in Tables

Data Cleaning and Calculations in Tables

Clean data stored in a table or timetable. Perform computations by using the numeric and categorical data that the table contains.

Grouped Calculations in Tables and Timetables

Grouped Calculations in Tables and Timetables

Perform in-place calculations on groups of data in tables and timetables.