La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Gérer les données

R2026a

Importation et exportation de données et regroupement de variables

Transférez des données vers et depuis MATLAB^® dans différents formats de fichiers. Les formats valides sont notamment les données tabulaires, les fichiers délimités par des tabulations, les feuilles de calcul Microsoft^® Excel^® et les fichiers SAS^® XPORT. Pour un tableau des formats de fichiers supportés et des fonctions d’importation et d’exportation associées, consultez Supported File Formats for Import and Export. Vous pouvez également importer les données de manière interactive avec Import Tool. Statistics and Machine Learning Toolbox™ supporte un grand nombre des types de données disponibles dans MATLAB, mais pas tous. Pour plus d’informations, consultez Supported Data Types.

Pour assurer une meilleure compatibilité entre les produits, utilisez les types de données categorical ou table disponibles dans MATLAB. Pour plus d’informations, consultez Create Categorical Arrays ou Créer des tables et leur affecter des données ou bien regardez la vidéo Tables and Categorical Arrays (Tables et tableaux catégoriels).

Fonctions

développer tout

Importation et exportation de données

`caseread`	Read case names from file
`casewrite`	Write case names to file
`tblread`	Read tabular data from file
`tblwrite`	Write tabular data to file
`tdfread`	Read tab-delimited file
`xptread`	Create table from data stored in SAS XPORT format file

Données catégorielles

`dummyvar`	Create dummy variables
`onehotencode`	Encode data labels into one-hot vectors
`onehotdecode`	Decode probability vectors into class labels
`gplotmatrix`	Matrix of scatter plots by group
`grp2idx`	Create index vector from grouping variable
`gscatter`	Scatter plot by group
`nominal`	(Not Recommended) Arrays for nominal data
`ordinal`	(Not Recommended) Arrays for ordinal data
`countPredictorsAfterCategoricalEncoding`	Number of predictors in tabular data after encoding categorical variables (depuis R2026a)

Tableaux de jeux de données

`mat2dataset`	(Not Recommended) Convert matrix to dataset array
`cell2dataset`	(Not Recommended) Convert cell array to dataset array
`struct2dataset`	(Not Recommended) Convert structure array to dataset array
`table2dataset`	(Not Recommended) Convert table to dataset array
`dataset2cell`	(Not Recommended) Convert dataset array to cell array
`dataset2struct`	(Not Recommended) Convert dataset array to structure
`dataset2table`	Convert dataset array to table
`export`	(Not Recommended) Write dataset array to file
`ismissing`	(Not Recommended) Find dataset array elements with missing values
`join`	(Not Recommended) Merge dataset array observations

Classes

dataset (Not Recommended) Arrays for statistical data

Rubriques

Statistics and Machine Learning Toolbox Example Data Sets
Use various data sets to try software features available in Statistics and Machine Learning Toolbox.
Grouping Variables
Grouping variables are utility variables used to group or categorize observations.
Dummy Variables
Dummy variables let you adapt categorical data for use in classification and regression analysis.
Test Differences Between Category Means
Test for significant differences between category (group) means using a t-test, two-way ANOVA (analysis of variance), and ANOCOVA (analysis of covariance) analysis.
Linear Regression with Categorical Covariates
Perform a regression with categorical covariates using categorical arrays and fitlm.