or i=1:length(flist) fname=flist(i).name; t=readtable(fname,'VariableNamingRule', 'preserve'); index1=find(t.CI_WindSpeed1>8 | t.CI_WindSpeed1<2); index2=find(t.CI_YawError1>0.17452 | t.CI_YawError1<-0.17452); index3=find(t.CI_PcsMeasuredGeneratorSpeed>183 | t.CI_PcsMeasuredGeneratorSpeed<111); index4=find(t.CI_IprRealPower>3600000 | t.CI_IprRealPower<1000000); index5=find(t.CI_PitchPositionA1>0); index=[index1;index2;index3;index4;index5]; index=unique(index); t(index,:)=[]; temp=t{:,:}; data=[data;temp]; end t(1:size(data,1),:)=num2cell(data); t(size(data,1)+1:end,:)=[]; ws=t.CI_WindSpeed1; Power=t.CI_IprRealPower; wsi=2:1:ceil(max(ws)); for i=1:length(wsi)-1 index=find(ws>=wsi(i) & ws<wsi(i+1)); str{i}=[num2str(wsi(i)) '~' num2str(wsi(i+1))]; WS(i,1)=length(index); WS(i,2)=mean(Power(index))*3600; if isnan(WS(i,2)) WS(i,2)=0; end disp(['风速区间 ' str{i} ' 小时发电量为：' num2str(WS(i,2))]) end figure bar(WS(:,2),0.5); set(gca,'xticklabel',str) xlabel('WindSpeed') ylabel('RealPower')，想把风速变成0.5一个区间统计

将wsi=0.5:0.5:ceil(max(ws))，即将风速区间的步长从1改为了0.5。同时，在统计每个风速区间的发电量时，也需要将相应的代码进行修改，例如：

wsi=0.5:0.5:ceil(max(ws));
for i=1:length(wsi)-1
    index=find(ws>=wsi(i) & ws<wsi(i+1));
    str{i}=[num2str(wsi(i)) '~' num2str(wsi(i+1))];
    WS(i,1)=length(index);
    WS(i,2)=mean(Power(index))*3600;
    if isnan(WS(i,2))
        WS(i,2)=0;
    end
    disp(['风速区间 ' str{i} ' 小时发电量为：' num2str(WS(i,2))])
end

最后，将xticklabel的值也需要进行修改，例如：

set(gca,'xticklabel',str(1:2:end))

这样可以将显示的风速区间从1个变为2个，从而适应步长变为0.5的情况。

相关问题

for i=1:length(flist) fname=flist(i).name; t=readtable(fname,'VariableNamingRule', 'preserve'); index1=find(t.CI_WindSpeed1>8 | t.CI_WindSpeed1<2); index2=find(t.CI_YawError1>0.17452 | t.CI_YawError1<-0.17452); index3=find(t.CI_PcsMeasuredGeneratorSpeed>183 | t.CI_PcsMeasuredGeneratorSpeed<111); index4=find(t.CI_IprRealPower>3600000 | t.CI_IprRealPower<1000000); index5=find(t.CI_PitchPositionA1>0); index=[index1;index2;index3;index4;index5]; index=unique(index); t(index,:)=[]; temp=t{:,:}; data=[data;temp]; end t(1:size(data,1),:)=num2cell(data); t(size(data,1)+1:end,:)=[]; ws=t.CI_WindSpeed1; Power=t.CI_IprRealPower; wsi=2:1:ceil(max(ws)); for i=1:length(wsi)-1 index=find(ws>=wsi(i) & ws<wsi(i+1)); str{i}=[num2str(wsi(i)) '~' num2str(wsi(i+1))]; WS(i,1)=length(index); WS(i,2)=mean(Power(index))*3600; if isnan(WS(i,2)) WS(i,2)=0; end disp(['风速区间 ' str{i} ' 小时发电量为：' num2str(WS(i,2))]) end figure bar(WS(:,2),0.5); set(gca,'xticklabel',str) xlabel('WindSpeed') ylabel('RealPower')，分析上列代码

这段代码的作用是读取多个表格文件并进行数据处理和可视化。具体来说，它通过循环读取文件列表（flist）中的每个文件，然后读取文件中的数据表格（t），并在数据表格中筛选出符合特定条件的数据行（index1，index2，index3，index4，index5），并将这些行从数据表格中删除，最终将处理后的数据存入data中。接着，代码将data转换为cell格式的数据表格（t），并根据风速对实际功率进行分组统计，得到不同风速范围内的发电量（WS(:,2)），最后以条形图的形式将发电量可视化出来。

matlab注释以下代码load('MnistConv.mat') k = 2; x = X(:, :, k); y1 = Conv(x, W1); % Convolution, 20x20x20 y2 = ReLU(y1); % y3 = Pool(y2); % Pool, 10x10x20 y4 = reshape(y3, [], 1); % 2000 v5 = W5*y4; % ReLU, 360 y5 = ReLU(v5); % v = Wo*y5; % Softmax, 10 y = Softmax(v); % figure; display_network(x(:)); title('Input Image') convFilters = zeros(9*9, 20); for i = 1:20 filter = W1(:, :, i); convFilters(:, i) = filter(:); end figure display_network(convFilters); title('Convolution Filters') fList = zeros(20*20, 20); for i = 1:20 feature = y1(:, :, i); fList(:, i) = feature(:); end figure display_network(fList); title('Features [Convolution]') fList = zeros(20*20, 20); for i = 1:20 feature = y2(:, :, i); fList(:, i) = feature(:); end figure display_network(fList); title('Features [Convolution + ReLU]') fList = zeros(10*10, 20); for i = 1:20 feature = y3(:, :, i); fList(:, i) = feature(:); end figure display_network(fList); title('Features [Convolution + ReLU + MeanPool]')

这段代码加载了一个名为MnistConv.mat的文件，然后使用其中的变量进行卷积神经网络的前向传播计算。具体来说，它首先选择了一个样本k，然后对其进行卷积操作并使用ReLU激活函数进行激活，接着对其进行平均池化操作，并将结果进行形状变换。然后，它将该结果与一个权重矩阵相乘并再次使用ReLU激活函数进行激活，最后使用Softmax函数得到最终的输出。此外，它还使用一些可视化技术，如显示输入图像、卷积滤波器、卷积特征和ReLU特征等。