将csv文件存成excel文件，采用xlsread将数据读入matlab 。按照天数循环，取出第i行数据。 求第i行数据的平均值和标准差。（注意缺失值，采用nanmean,nanstd） 。去极值，令大于中位数+3*标准差的数据等于中位数+3*标准差，小于中位数-3*标准差的数据等于中位数-3*标准差。 再求出去极值后的平均值和标准差。（因子值-平均值）/标准差 即为Z值

好的，我明白了。这是一个数据处理的问题，需要用到 Matlab。下面是处理流程和代码示例：

1. 将 csv 文件存为 Excel 文件

filename_csv = 'data.csv';
filename_xls = 'data.xlsx';
data = readtable(filename_csv);
writetable(data, filename_xls, 'Sheet', 'data');

2. 读取 Excel 文件中的数据

filename_xls = 'data.xlsx';
[data, txt, raw] = xlsread(filename_xls, 'data');

3. 循环取出每天的数据，并计算平均值和标准差

num_days = size(data, 1);
mean_values = nan(num_days, 1);
std_values = nan(num_days, 1);

for i = 1:num_days
    day_data = data(i, :);
    mean_values(i) = nanmean(day_data);
    std_values(i) = nanstd(day_data);
end

4. 去极值，并重新计算平均值和标准差

median_values = nanmedian(data, 2);
new_mean_values = nan(num_days, 1);
new_std_values = nan(num_days, 1);
for i = 1:num_days
    day_data = data(i, :);
    median_value = median_values(i);
    std_value = std_values(i);
    upper_limit = median_value + 3 * std_value;
    lower_limit = median_value - 3 * std_value;
    day_data(day_data > upper_limit) = upper_limit;
    day_data(day_data < lower_limit) = lower_limit;
    new_mean_values(i) = nanmean(day_data);
    new_std_values(i) = nanstd(day_data);
end

5. 计算 Z 值

z_values = (data - new_mean_values) ./ new_std_values;

以上是一种实现方式，你可以根据实际情况进行调整。希望能对你有帮助！