如何修改Matlab代码实现批量CSV文件均值提取与特征导出

核心修改思路 #

原代码是对每个CSV的第5行单独计算特征，现在调整为：

• 读取每个CSV的全部数据，计算该文件所有数据的单个均值
• 收集所有117个文件的均值，形成一个数组
• 基于这个均值数组，统一计算最大值、最小值、峰度、偏度、标准差这几个全局特征
• 将所有计算结果保存到单个文件中

修改后的完整代码 #

close all
clear all

% 填写你的CSV文件夹路径
file_location = '你的CSV文件所在文件夹路径'; 

% 创建文件数据存储，读取所有CSV文件
emptyroomdata = fileDatastore(fullfile(file_location), 'ReadFcn', @importdata, 'FileExtensions', '.csv');
fullFileNames = emptyroomdata.Files;
numfiles = length(fullFileNames);

% 读取所有文件数据
data = readall(emptyroomdata);

% 初始化数组存储每个文件的均值
file_means = [];

% 遍历每个文件，计算全数据的均值
for k = 1:numfiles
    % 获取当前文件的全部数值数据
    current_data = data{k,1}.data;
    % 将二维数组转一维后求均值，确保是整个文件所有数据的平均
    current_mean = mean(current_data(:));
    % 存入均值数组
    file_means = [file_means, current_mean];
end

% 基于所有文件的均值数组，计算全局特征
global_max = max(file_means);
global_min = min(file_means);
global_kurtosis = kurtosis(file_means);
global_skewness = skewness(file_means);
global_std = std(file_means);

% 将结果整理成表格，方便保存和查看
results_table = table(...
    {'最大值'; '最小值'; '峰度'; '偏度'; '标准差'}, ...
    [global_max; global_min; global_kurtosis; global_skewness; global_std], ...
    'VariableNames', {'特征名称', '特征值'});

% 保存结果到CSV文件（若需MATLAB专用格式，可换成save('全局特征结果.mat', 'results_table')）
writematrix(results_table, '全局特征结果.csv');

% 命令行打印结果（可选）
disp('计算完成，结果已保存到 全局特征结果.csv');
disp(results_table);

关键修改说明 #

1. 均值计算逻辑：用mean(current_data(:))把每个文件的二维数据转成一维后求均值，避免按列/行求均值的错误，确保是整个文件所有数值的平均
2. 特征计算时机：先收集所有文件的均值，再一次性计算全局特征，完全匹配需求
3. 结果保存：用table整理结果后通过writematrix保存为CSV，兼容性强；也可根据需求换成MATLAB专属的.mat格式保存

内容的提问来源于stack exchange，提问作者MD. Irteeja Kobir