从Matlab表中删除@NA

Question

我有以下代码来清除表数据中的错误术语：

    errorTerms={'@NA', '#NA', 'ActiveX VT_ERROR: '};
inputData=readtable(inputFile,'TreatAsEmpty',errorTerms);

然而，“@NA”这个词仍然存在。

我可以这样除掉他们：

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。是否有更优雅的方法将这些数据作为表导入？还是洗干净？

数据如下：

Id Avg GICS1 a 3.0 @NA b 5.6消费标准c 4.8材料d 3.1保健e 1.6能源f 9.3 @NA g 8.5工业h 7.0消费者酌处权

Answer 1

您可以使用varfun遍历表列，并使用regexrep和errorTerms数组对每个列应用正则表达式：

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块来说明列中的混合数据类型。我要提醒的是，这是一个相当贪婪的实现，一个更健壮的方法是比较错误消息，以确保regexprep是导致问题的原因，但我很懒。