Matlab 日期频次统计

一、孕妇建档月份频次统计

源数据样本，为某医院一段时间内的孕妇建档时间

2015-04-22 10:12:52
2014-11-21 17:16:47
2013-12-16 17:35:44
2013-12-26 16:58:46
2013-12-27 16:44:33
2013-12-27 16:45:32
2013-12-30 8:26:20
2013-12-30 9:47:27
2013-12-30 8:46:42
2013-12-30 11:00:06
2013-12-30 11:08:42

分析目的：统计每个月的孕妇建档频次，这就要提取源数据的第一列，同截取年月数据，然后做频次直方图，看孕妇建档频次有没有随月份变化的规律。

Matlab 代码：

%孕妇建档日期统计
[datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
f=cell2mat(datestr);
f=f(:,1:7);
f=tabulate(f);
f=sortrows(f,1);
bar(cell2mat(f(:,2)),1);
set(gca,'XTickLabel',f(:,1),'XTick',[1:length(f(:,1))]);
title( '孕妇建档时间统计' );%下面的代码是为了旋转横坐标轴标签
xtb = get(gca,'XTickLabel');% 获取横坐标轴标签句柄
xt = get(gca,'XTick');% 获取横坐标轴刻度句柄
yt = get(gca,'YTick'); % 获取纵坐标轴刻度句柄
xtextp=xt;%每个标签放置位置的横坐标
ytextp=yt(1)*ones(1,length(xt));
text(xtextp,ytextp,xtb,'HorizontalAlignment','right','VerticalAlignment','top','rotation',45,'fontsize',10);
set(gca,'xticklabel','');% 将原有的标签隐去

最终生成效果图：



下面将对上面的 Matlab 代码进行分析。

1、读取 txt 中的日期时间数据

如果 txt 中是两列数值，譬如「1981 1986」，那只需要用 M = load('shuzhi.txt') 就可读取进 M 矩阵中，如下图所示。

>> M = load('CoupleBirth.txt');
>> M(1:4,:)

ans =

1981        1986
1988        1993
1985        1989
1984        1984

然后就可以用 M(:,1) 和 M(:,2) 访问这两列数据。

但本例中我们要读取的不是数值数据，而是包含日期的字符串，我们就不能再用 load 函数读取了，要用 textread 函数。因为是两列数据，就不能用 M=textread('PregnantWomanFileTime.txt','%s'); 来读取了，如果硬要这样读，那日期和时间就会在返回的元胞数组 M 中混到一块，如下所示：

>> M=textread('PregnantWomanFileTime.txt','%s');
>> M(1:4)

ans =

'2015-04-22'
'10:12:52'
'2014-11-21'
'17:16:47'

为了把两列数据分别读进两个元胞数组，要使用：

>> [datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
>> datestr(1:4)

ans =

'2015-04-22'
'2014-11-21'
'2013-12-16'
'2013-12-26'

textread 函数返回的是装满数据的元胞数组，datestr 和 timestr 都是元胞数组。

元胞数组是MATLAB的一种特殊数据类型，可以将元胞数组看做一种无所不包的通用矩阵。通过小括号()里面加下标，访问cell数组中的数据，返回的是对应的cell。通过大括号{}里面加下标，访问cell数组中的数据，返回的是对应cell的内容。

>> [datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
>> datestr(1)

ans =

'2015-04-22'

>> class(datestr(1))

ans =

cell

>> datestr{1}

ans =

2015-04-22

>> class(datestr{1})

ans =

char

2、从 2015-04-22 中提取出 2015-04 来

可以用正则表达式，但我们这里使用矩阵的方法，正则表达式的方法我们后面介绍。目前 datestr 还是 cell 元胞数组，我们先把元胞数组转成 char 矩阵，使用 cell2mat 函数。

>> [datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
>> class(datestr)

ans =

cell

>> f=cell2mat(datestr);
>> class(f)

ans =

char

>> f(1:4,:)

ans =

2015-04-22
2014-11-21
2013-12-16
2013-12-26

然后对 char 矩阵提取所需字符即可。

>> f=f(:,1:7);
>> f(1:4,:)

ans =

2015-04
2014-11
2013-12
2013-12

3、统计月份的频次

如果 f 是一维数值矩阵，那只需要使用 hist 函数就可以了，但因为这里要统计的是日期字符的频次，hist 就不能用了。

>> hist(f)
??? Error using ==> hist
Input arguments must be numeric.

还好 Matlab 提供了另一个类似的频数统计函数 tabulate。

>> f=tabulate(f);
>> f

f =

'2015-04'    [1386]    [6.4706]
'2014-11'    [ 582]    [2.7171]
'2013-12'    [  84]    [0.3922]
'2014-01'    [ 766]    [3.5761]
'2014-09'    [ 587]    [2.7404]
'2014-02'    [ 616]    [2.8758]
……

使用 sortrows 函数对根据第一列元素对 f 排序。

>> f=sortrows(f,1);
>> f

f =

'2013-12'    [  84]    [0.3922]
'2014-01'    [ 766]    [3.5761]
'2014-02'    [ 616]    [2.8758]
'2014-03'    [1000]    [4.6685]
'2014-04'    [ 977]    [4.5612]
'2014-05'    [ 948]    [4.4258]
'2014-06'    [ 961]    [4.4865]

4、绘直方图

绘图就很简单了，bar 函数就可以。首先我们要 f 转成一维矩阵，因为上面 tabulate 返回的是元胞数组。转成行矩阵、列矩阵均可。然后再调用 bar 绘制 f 第二列的数据图，并使用 f 的第一列设置 x 轴标签，再加上 Title。

>> bar(cell2mat(f(:,2)),1);
>> set(gca,'XTickLabel',f(:,1),'XTick',[1:length(f(:,1))]);
>> title( '孕妇建档时间统计' );%下面的代码是为了旋转横坐标轴标签

本来到这里绘图可以算完成了，但是，看看 x 轴标签拥挤得，完全没法看，所以需要对 x 轴标签的显示进行下调整。需要旋转 x 轴标签了，才发现强大的 Matlab 实现这个功能竟然这么麻烦，需要通过下一小节来说明。

5、旋转 x 轴标签

下面是旋转 x 轴标签的代码，当时找这段代码比较烦恼，因为实在不能相信 Matlab 旋转个标签都这么麻烦。其实这段代码也很简单，就是获取 x 轴标签句柄，并设置到相应的位置，然后将原有标签隐去。xt 和 yt 不重要，只是用了下 xt 的长度和 yt(1) 的 0 值。xtb 是标签内容，xtextp 和 ytextp 是标签位置坐标。text 函数可查阅相关手册了解。

xtb = get(gca,'XTickLabel');% 获取横坐标轴标签句柄
xt = get(gca,'XTick');% 获取横坐标轴刻度句柄
yt = get(gca,'YTick'); % 获取纵坐标轴刻度句柄
xtextp=xt;%每个标签放置位置的横坐标
ytextp=yt(1)*ones(1,length(xt));
text(xtextp,ytextp,xtb,'HorizontalAlignment','right','VerticalAlignment','top','rotation',45,'fontsize',10);
set(gca,'xticklabel','');% 将原有的标签隐去

最终图形显示如第一张图所示。

二、孕妇建档某一月频次统计

上面的例子选取的第一列的所有数据，只是提取了每个数据的年月。现在要统计某一个月份的数据，就要对数据进行过滤。这里我们使用正则表达式进行过滤，代码如下。绘图代码跟上面一样。

%孕妇建档时间一个月内
[datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
k=regexp(datestr,'^2015-07.*$', 'match');
ix=~cellfun('isempty',k);
index=find(ix~=0);
f=datestr(index);
f=tabulate(f);
f=sortrows(f,1);
bar(cell2mat(f(:,2)),1);
set(gca,'XTickLabel',f(:,1),'XTick',[1:length(f(:,1))]);
title( '孕妇建档时间一个月内' );%下面的代码是为了旋转横坐标轴标签
xtb = get(gca,'XTickLabel');% 获取横坐标轴标签句柄
xt = get(gca,'XTick');% 获取横坐标轴刻度句柄
yt = get(gca,'YTick'); % 获取纵坐标轴刻度句柄
xtextp=xt;%每个标签放置位置的横坐标
ytextp=yt(1)*ones(1,length(xt));
text(xtextp,ytextp,xtb,'HorizontalAlignment','right','VerticalAlignment','top','rotation',45,'fontsize',10);
set(gca,'xticklabel','');% 将原有的标签隐去

生成的图形如下：



下面对上面使用正则表达式的代码进行解析。

k=regexp(datestr,'^2015-07.*$', 'match');

regexp 查找每个元素中匹配字符的位置并返回，k 的值截取如下：

{1x1 cell}
{1x1 cell}
{1x1 cell}
{1x1 cell}
{1x1 cell}
{}
{}
{}
{}

代码 ix=~cellfun('isempty',k) 是判断元胞数组中的元素是否为空，ix 的值截取如下：

1
1
1
0
0
0

index=find(ix~=0) 是找到上面元胞数组中不为空的元素坐标，这是根据正则表达式提取数据很重要的一步，很有技巧。index 的值截取如下：

>> index=find(ix~=0);
>> index

index =

11269
11287
11597
11672
11695

下面就需要根据上面的 index 提取相应的数据了。会者不难，难者不会。

>> f=datestr(index);
>> f

f =

'2015-07-07'
'2015-07-09'
'2015-07-15'
'2015-07-06'

绘图功能跟上面一样。

三、孕妇建档时间一天内统计

对一天内的孕妇建档频次进行统计。

[datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
f=regexprep(timestr,':\d+:\d+$','');
f=str2num(char(f));%这个代码可是几经坎坷
hist(f);
title( '孕妇建档时间一天内频次统计' );

生成图形如下：



代码解析如下：

f=regexprep(timestr,':\d+:\d+$','') 是把时间列的分和秒都去掉，返回的就是小时。原理是用 regexprep 把时间的分秒都替换成空，剩下的就是小时。

>> f=regexprep(timestr,':\d+:\d+$','');
>> f(1:4)

ans =

'10'
'17'
'17'
'16'

下面就是要想办法把 f 中表示小时的字符转换成数值类型，因为如果跟上面一样用 tabulate 进行统计，并使用 sortrows 排序时，出发生把 8 排在 12 后面的情况，而这里正好又都是数值类型，我们何不直接转换成数值，然后用 hist 呢？

>> [datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
f=regexprep(timestr,':\d+:\d+$','');
>> f(1:4)

ans =

'10'
'17'
'17'
'16'

>> f=str2num(char(f));%这个代码可是几经坎坷
>> f(1:4)

ans =

10
17
17
16

其中 f=str2num(char(f)) 这个代码找得我好苦。因为起初我想到用 cell2mat 把元胞数组内的字符转换成数值，结果是这样的。

>> [datestr,timestr]=textread('PregnantWomanFileTime.txt','%s%s');
f=regexprep(timestr,':\d+:\d+$','');
>> f(1:4)

ans =

'10'
'17'
'17'
'16'

>> abc=cell2mat(f)
??? Error using ==> cat
CAT arguments dimensions are not consistent.

Error in ==> cell2mat at 95
m = cat(1,m{:});

>> abc=cell2mat(f')

abc =

10171716161689811……

无力吐槽……

后来终于找到正确的转换方式：f=str2num(char(f))

后面的绘图，直接用 hist，就没什么难度了。