我有以下代码来清理错误术语的表数据:
errorTerms={'@NA', '#NA', 'ActiveX VT_ERROR: '};
inputData=readtable(inputFile,'TreatAsEmpty',errorTerms);
但是,“ @ NA”字样仍然存在。
我可以通过这种方式摆脱它们:
inputData.GICS1=strrep(inputData.GICS1,'@NA','NaN');
但这需要几个独立的循环,因为我有许多不同大小的表。有没有更优雅的方式将这些数据导入为表格?还是打扫干净?
数据如下所示:
Id Avg GICS1 a 3.0 @NA b 5.6 Consumer Staples c 4.8 Materials d 3.1 Health Care e 1.6 Energy f 9.3 @NA g 8.5 Industrials h 7.0 Consumer Discretionary
您可以使用varfun
要经过你的表列并应用正则表达式来使用每一列regexrep
和你的errorTerms
数组:
inputData = readtable('test.xlsx');
errorTerms = {'@NA', '#NA', 'ActiveX VT_ERROR: '};
expression = sprintf('(%s)', strjoin(errorTerms, '|'));
% Explicit loop
varnames = inputData.Properties.VariableNames;
for ii = 1:length(varnames)
try
inputData.(varnames{ii}) = regexprep(inputData.(varnames{ii}), expression, 'NaN');
catch err
switch err.identifier
case 'MATLAB:UndefinedFunction'
% Do nothing, skip loop iteration
otherwise
rethrow(err)
end
end
end
% % Only works for string data
% varnames = inputData.Properties.VariableNames;
% inputData = varfun(@(x) regexprep(x, expression, 'NaN'), inputData);
% inputData.Properties.VariableNames = varnames; % Variable names overwritten by varfun, set them back
编辑:我添加了一个try/catch
块,以解决您的列中的混合数据类型。我要警告的是,这是一个相当贪婪的实现,一种更可靠的方法是比较错误消息,以确保regexprep
是引起问题的原因,但是我很懒。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句