Matlab无视NaN';矩阵中的s

Matlab无视NaN';矩阵中的s,matlab,matrix,nan,Matlab,Matrix,Nan,我有一个包含时间序列的双倍矩阵(X)。当缺少值时,某些观测值被设置为NaN。我想计算每列的标准偏差,以获得每列的std dev值。由于我混合了NAN,一个简单的std(X)将不起作用,如果我尝试std(X(~isnan(X))我最终会得到整个矩阵的std-dev,而不是每列一个 有没有一种方法可以简单地从沿第一个dim的std-dev计算中忽略NAN,而不用循环 请注意,对于NaN,我只想忽略单个值,而不是整行或整列。显然,我不能将NaN设置为零或任何其他值,因为这会影响计算。请查看(统计工具箱

我有一个包含时间序列的双倍矩阵(
X
)。当缺少值时,某些观测值被设置为
NaN
。我想计算每列的标准偏差,以获得每列的std dev值。由于我混合了NAN,一个简单的
std(X)
将不起作用,如果我尝试
std(X(~isnan(X))
我最终会得到整个矩阵的std-dev,而不是每列一个

有没有一种方法可以简单地从沿第一个dim的std-dev计算中忽略NAN,而不用循环

请注意,对于NaN,我只想忽略单个值,而不是整行或整列。显然,我不能将NaN设置为零或任何其他值,因为这会影响计算。

请查看(统计工具箱)

其思想是使用数据中心,然后用零替换NaN,最后计算标准偏差

请参见下面的
nanmean

  % maximum admissible fraction of missing values
  max_miss = 0.6;  

  [m,n]   = size(x);

  % replace NaNs with zeros.
  inan    = find(isnan(x));
  x(inan) = zeros(size(inan));

  % determine number of available observations on each variable
  [i,j]   = ind2sub([m,n], inan);     % subscripts of missing entries
  nans    = sparse(i,j,1,m,n);        % indicator matrix for missing values
  nobs    = m - sum(nans);

  % set nobs to NaN when there are too few entries to form robust average
  minobs  = m * (1 - max_miss);
  k       = find(nobs < minobs);
  nobs(k) = NaN;

  mx      = sum(x) ./ nobs;
  flag = 1; % default: normalize by nobs-1

  % center data
  xc      = x - repmat(mx, m, 1);

  % replace NaNs with zeros in centered data matrix
  xc(inan) = zeros(size(inan));

  % standard deviation
  sx      = sqrt(sum(conj(xc).*xc) ./ (nobs-flag));

太好了,谢谢。真不敢相信我错过了这个函数。当你浏览std:-)的帮助时,会希望Matlab链接到nanstd。再次感谢你。