怎么把excel的数据导入matlab

搞科研、做分析，谁还没被Excel和MATLAB之间那道看不见的墙给折磨过？一个Excel，一个MATLAB，两两相望，数据就是倒不进去。或者说，倒进去了，但面目全非，根本不是你想要的样子。这事儿吧，说难不难，但里面的门道和坑，足够让一个新手抓狂一下午。

今天，我就不跟你扯那些官方文档上干巴巴的说明了，咱们聊点实在的，聊聊我是怎么从一个只会右键“导入数据”的菜鸟，一路摸爬滚打，到现在能把各种奇形怪状的Excel表格收拾得服服帖帖的。

最初的幻想：那个叫“导入数据”的温柔陷阱

每个MATLAB新手，第一次面对Excel数据时，八成都会被主页上那个大大的 导入数据 按钮所吸引。点一下，弹出一个文件选择框，选中你的Excel文件，然后，哇，一个漂亮的图形界面出现了，数据预览、变量名，看起来一切尽在掌握。你可以用鼠标拖拖拽拽，选择要导入的区域，定义变量类型，最后点一下“导入所选内容”，数据就乖乖地躺在你的工作区里了。

是不是觉得很简单？第一次成功的时候，我也这么觉得。直到我遇到了“现实”。

现实是，你的导师、你的同事扔给你的Excel，根本不是教科书里那种干干净净的表格。它可能是： * 表头有两三行，甚至还有合并单元格。 * 数据中间夹杂着各种中文、注释、甚至是“N/A”、“空”这样的奇葩占位符。 * 日期格式千奇百怪，有“2023/10/26”，有“2023-10-26”，还有“Oct-26”。 * 一个文件里有好几个Sheet，你需要从每个Sheet里取特定的一块数据。

这时候，你再点那个 导入数据 按钮，就会发现事情开始变得诡异。MATLAB可能会把你的数字列识别成文本，或者把你的表头当成数据，导入结果一塌糊涂。更要命的是，如果你有100个这样的文件要处理，难道要手动点100次？自动化处理的梦想，在这一刻，碎了一地。

所以，这个图形化工具，我的建议是：玩玩可以，别当真。它只适合处理那些格式极其规整、一次性的数据导入任务。要想真正驾驭数据，我们必须深入代码的腹地。

进入正题：readtable，现代MATLAB的王牌

忘了那个老掉牙的xlsread吧。虽然很多旧代码里还在用它，但官方早就嫌弃它了，不仅慢，而且在不同操作系统（尤其是没有安装Excel的Linux或Mac）上表现得像个没睡醒的醉汉。从R2013b版本之后，MathWorks就推出了一个全新的、功能极其强大的函数：readtable。

readtable，顾名思义，就是把表格文件读成一个MATLAB里的table数据类型。这个table类型本身就是个神器，它允许每一列是不同的数据类型（数值、文本、日期等等），并且每一列都有自己的名字，简直就是为处理异构数据而生的。

最基础的用法，简单到不行：

matlab T = readtable('your_data.xlsx');

就这一行，你的Excel数据就变成了一个名为T的table变量。你可以像操作结构体一样访问它的列，比如T.ColumnName，也可以像操作矩阵一样进行索引，比如T(1:5, 1:3)。

但readtable的精髓，在于它那一大堆“名-值”对参数。正是这些参数，给了我们随心所欲定制导入过程的能力，能把那些妖魔鬼怪般的Excel文件驯服。

我们来模拟几个真实场景，看看 readtable 是如何大显神通的。

场景一：表头不是第一行，怎么办？

很多实验记录的Excel，第一行可能是个总标题，第二行是“实验日期：XXX”，第三行才是真正的列名。这时候直接readtable，MATLAB会把总标题当成列名，整个数据都错位了。

别急，readtable早就想到了。

matlab % 假设真正的列名在第3行，数据从第4行开始 opts = detectImportOptions('your_data.xlsx'); opts.DataRange = 'A4'; % 告诉它数据从A4单元格开始读 opts.VariableNamesRange = 'A3'; % 告诉它列名在A3那一横排 T = readtable('your_data.xlsx', opts);

看，这里我们用了一个辅助函数detectImportOptions，它能先去“侦察”一下Excel的结构，生成一个导入选项对象opts。然后我们就可以像玩乐高一样，去修改这个opts的各种属性，最后把它作为配置单交给readtable去执行。这种方式，比直接在readtable后面跟一长串参数要清晰得多，也更强大。

场景二：我只要其中几列，或者某个特定区域

数据文件巨大，我只关心“温度”和“压力”这两列，或者我只要第100行到第200行的数据。

简单！用'Range'参数，简单粗暴。

matlab % 只读取B2到D101的矩形区域 T = readtable('your_data.xlsx', 'Range', 'B2:D101');

如果你只想读特定的Sheet，也没问题：

matlab % 读取名为'Sheet2'的工作表 T = readtable('your_data.xlsx', 'Sheet', 'Sheet2');

场景三：数据类型识别错误，这是最要命的！

这是一个深坑。你的某一列明明是数字，但里面混进了一个“N/A”的文本，readtable为了安全起见，可能会把整列都识别成文本（cell array of char vectors）。这样一来，你就没法直接对它进行数学计算了。

这时候，'VariableTypes' 这个参数就是你的救命稻草。

matlab opts = detectImportOptions('your_data.xlsx'); % 假设前三列分别是数字、文本、数字 opts.VariableTypes = {'double', 'string', 'double'}; T = readtable('your_data.xlsx', opts);

你可以强制指定每一列的数据类型。更妙的是，MATLAB会自动处理那些不符合指定类型的数据。比如，在一个你指定为'double'的列里，如果遇到了“N/A”或者空格，它会自动替换为NaN（Not-a-Number），这正是我们在科学计算中最希望看到的结果！NaN可以参与计算而不会报错，并且很容易被函数（如isnan, fillmissing）识别和处理。这简直是 数据清洗 的第一步，而且是全自动的。

场景四：我的Excel里日期格式乱七八糟

readtable对日期的处理也相当智能。它通常能自动识别常见的日期格式，并将其转换为MATLAB的datetime类型。如果它识别不了，你也可以通过设置opts.VariableTypes中对应列为'datetime'，并进一步指定'InputFormat'来帮助它。

matlab opts = detectImportOptions('your_data.xlsx'); % 假设第一列是日期，格式为 'dd-MMM-yyyy' (例如 26-Oct-2023) opts = setvartype(opts, 'DateColumnName', 'datetime', 'InputFormat', 'dd-MMM-yyyy'); T = readtable('your_data.xlsx', opts); 掌握了detectImportOptions和readtable的组合拳，基本上90%的Excel导入问题都能迎刃而解。这套操作的核心思想是：不要相信MATLAB的自动判断，要主动告诉它你的数据是什么样的。

终极武器：当文件太大或太多时，请出spreadsheetDatastore

有时候，你会遇到单个Excel文件就有几个GB，或者一个文件夹里有成百上千个结构相同的Excel文件。这时候，如果你还用readtable一次性把所有数据都读入内存，那你的电脑可能会伴随着风扇的狂吼，给你一个“内存不足”的惨痛教训。

这时候，就该轮到 spreadsheetDatastore 登场了。

datastore，数据存储，你可以把它想象成一个指向数据源的“管道”，而不是数据本身。它知道数据在哪里、长什么样，但它不会立刻把水（数据）全部放出来，而是你用一点，它就流一点。

matlab % 创建一个指向文件夹中所有.xlsx文件的数据存储 ds = spreadsheetDatastore('path/to/your/folder/*.xlsx');

这个ds对象现在就代表了你文件夹里所有Excel文件的数据。它几乎不占用什么内存。然后，你可以像配置readtable一样去配置它。

matlab ds.SelectedVariableNames = {'Temperature', 'Pressure'}; % 只选择这两列 ds.NumHeaderLines = 2; % 跳过前两行表头

配置好了之后，怎么读取数据呢？你可以用read函数一块一块地读，也可以用readall一次性（如果确定内存够的话）读完。最优雅的方式，是结合while循环。

matlab data_all = []; while hasdata(ds) T_chunk = read(ds); % 一次读取一块（具体多大可以配置） % 在这里对T_chunk进行处理 % ... data_all = [data_all; T_chunk]; % 将处理后的数据块拼接起来 end

这种 分块处理 的模式，对于大数据分析和处理海量文件来说，是绝对的王者。它让你的MATLAB程序能以有限的内存，去处理远超内存容量的数据，这是一种思想上的飞跃。

写在最后：从“能用”到“好用”

从图形界面的导入数据，到命令行王者readtable，再到处理大数据的spreadsheetDatastore，这是一条从入门到精通的必经之路。

关键不在于记住每一个函数的每一个参数，而在于理解背后的逻辑：为什么要写代码来导入数据？

答案是：为了可重复性和自动化。

你想想，一个脚本写好，以后成百上千个格式一样的Excel文件，一键运行，数据唰唰唰地就进来了，图都给你画好了，这感觉，不香吗？这才是MATLAB作为一门工程语言，真正强大的地方。它把我们从繁琐、重复、易错的手动操作中解放出来，让我们能专注于数据分析和算法本身。

所以，下次再面对一个Excel文件时，别再下意识地去点那个“导入数据”按钮了。打开你的编辑器，敲下T = readtable(...)，开始你真正的MATLAB数据之旅吧。这条路一开始可能有点崎岖，但相信我，走过去，前面是星辰大海。