MATLAB绘制实验数据折现图
 
  在论文或者文章写作中，经常需要使用图形来表示我们的实验结果。一般来说，这种表示方式比表格更加直观、更加可视化。因此，本文给出一种使用MATLAB处理数据得到折线图的教程。
 
1. 待处理数据形式
 
  待处理的数据为迭代次数与SR、time、RC、length、steerNum、steerAngle、validNode这七个指标的走势图。即随着迭代次数的增加，这七个指标的走势情况。 并且，实验数据包含一个改进和两个对比，三个数据都保存在txt文件中，如下所示。
 
dealmeans-RRTstar.txt
 
 
 
iteration SR time RC lengthsteerNum steerAngle validNode
 150 0 nan nan nan nan nan nan
 300 0 nan nan nan nan nan nan
 500 0 nan nan nan nan nan nan
 1000 0.142857 0.291912 0.0962069 344.143 46.8571 816.639 383.286
 1500 0.469388 0.831647 0.107638 347.348 47.6957 923.343 607.478
 2000 0.693878 0.726488 0.100066 345.912 46.8235 842.842 753.235
 2500 0.816327 0.826433 0.104683 348.025 46.8 883.326 953.75
 3000 0.877551 1.11224 0.108346 352.163 47.9535 934.25 1100.91
 3500 0.877551 1.61856 0.104273 347.256 47.4884 889.123 1299.21
 
 
dealmeans-BRRTstar.txt
 
 
 
iteration SR time RC lengthsteerNum steerAngle validNode
 150 0 nan nan nan nan nan nan
 300 0 nan nan nan nan nan nan
 500 0.0816327 0.108026 0.113985 336.5 48 977.567 229
 1000 0.673469 0.306055 0.118107 346.394 49.3636 1049.82 426
 1500 1 0.617184 0.112612 343.204 48.8571 991.233 601.694
 2000 1 1.2277 0.112168 340.429 47.9184 968.744 773.102
 2500 1 1.82997 0.113759 337.306 47.1429 966.036 934.673
 3000 1 2.46895 0.111037 334.633 47.2041 944.087 1113.04
 3500 1 3.27609 0.112627 333.735 46.9592 951.161 1315.67
 
 
dealmeans-BV-RRTstar.txt
 
 
 
iteration SR time RC lengthsteerNum steerAngle validNode
 150 1 0.0715696 0.155344 332.959 23.3469 653.243 140.98
 300 1 0.181333 0.15514 333.612 25.449 710.931 234.49
 500 1 0.377778 0.149981 333.367 26.4694 714.981 344.408
 1000 1 1.16517 0.149679 331.408 28.3061 763.375 611.265
 1500 1 2.62397 0.143125 328.735 28.9796 746.574 859.041
 2000 1 4.57071 0.140159 325.878 29.6327 746.221 1123.14
 2500 1 6.14498 0.132265 324.245 30.6531 728.807 1370.67
 3000 1 8.19425 0.12972 322.449 30.8776 721.298 1626.59
 3500 1 10.9185 0.124152 320.714 30.8163 689.744 1864.41
 
 
2. 绘制折线图的MATLAB代码
 
  绘制图形的代码流程为：读取文件，绘制图形，设置xy坐标轴和图例。
 
close all;
clc;
%只是第一行有字符，则使用importdata可直接读取数据
data1=importdata('D:\大论文试验\实验图片\第四章\补充密集障碍物地图中的实验\dealmeans-RRTstar.txt');
data11=data1.data; %若没有这一步，出不出来图。
data2=importdata('D:\大论文试验\实验图片\第四章\补充密集障碍物地图中的实验\dealmeans-BRRTstar.txt');
data21=data2.data; %若没有这一步，出不出来图。
data4=importdata('D:\大论文试验\实验图片\第四章\补充密集障碍物地图中的实验\dealmeans-BV-RRTstar.txt');
data41=data4.data; %若没有这一步，出不出来图。
x=data11(:,1);
y11=data11(:,2);
y12=data11(:,3);
y13=data11(:,4);
y14=data11(:,5);
y15=data11(:,6);
y16=data11(:,7);
y17=data11(:,8);

y21=data21(:,2);
y22=data21(:,3);
y23=data21(:,4);
y24=data21(:,5);
y25=data21(:,6);
y26=data21(:,7);
y27=data21(:,8);

y41=data41(:,2);
y42=data41(:,3);
y43=data41(:,4);
y44=data41(:,5);
y45=data41(:,6);
y46=data41(:,7);
y47=data41(:,8);
figure(1); %路径长度曲线
%plot(x,y14,'-bo',x,y24,'-rp',x,y44,'-cs',x,y34,'-g*');
plot(x,y14,'-bo',x,y24,'-rp',x,y44,'-g*','LineWidth',1.2); %在figure(1)中绘制三条曲线，设置折现颜色，粗细
title('迭代次数与路径长度');
xlabel('iteration');
ylabel('Path Length');
lgd1=legend('RRT*','Bi-RRT*','BV-RRT*'); %设置图例
%set(lgd1,'Location','BestOutside');
set(lgd1,'FontName','Times New Roman','FontSize',8) %设置图例的字体
lgd1.ItemTokenSize = [20,20];%设置图例尺寸
figure(2); %执行时间，包括runtime
plot(x,y12,'-bo',x,y22,'-rp',x,y42,'-g*','LineWidth',1.2);
title('迭代次数与执行时间');
xlabel('iteration');
ylabel('time(s)');
lgd2=legend('RRT*','Bi-RRT*','BV-RRT*');
%set(lgd2,'Location','BestOutside');
set(lgd2,'FontName','Times New Roman','FontSize',8)
lgd2.ItemTokenSize = [20,20];
figure(3); %成功率SR
plot(x,y11,'-bo',x,y21,'-rp',x,y41,'-g*','LineWidth',1.2);
title('迭代次数与成功率');
xlabel('iteration');
ylabel('SR');
lgd3=legend('RRT*','Bi-RRT*','BV-RRT*');
%set(lgd3,'Location','BestOutside');
set(lgd3,'FontName','Times New Roman','FontSize',8)
lgd3.ItemTokenSize = [20,20];
figure(4); %有效节点数
plot(x,y17,'-bo',x,y27,'-rp',x,y47,'-g*','LineWidth',1.2);
title('迭代次数与有效节点数');
xlabel('iteration');
ylabel('有效节点数');
lgd4=legend('RRT*','Bi-RRT*','BV-RRT*');
set(lgd4,'Location','BestOutside');
set(lgd4,'FontName','Times New Roman','FontSize',8)
lgd4.ItemTokenSize = [20,20];
figure(5); %转弯次数，转弯角度，路径异常值
subplot(2,2,1); %转弯角度
plot(x,y16,'-bo',x,y26,'-rp',x,y46,'-g*','LineWidth',1.2);
title('迭代次数与路径总转向角度');
xlabel('iteration');
ylabel('路径总转向角度');
subplot(2,2,2); %转弯次数
plot(x,y15,'-bo',x,y25,'-rp',x,y45,'-g*','LineWidth',1.2);
title('迭代次数与路径转弯次数');
xlabel('iteration');
ylabel('路径总转弯次数');
subplot(2,2,3); %路径异常值
plot(x,y13,'-bo',x,y23,'-rp',x,y43,'-g*','LineWidth',1.2);
title('迭代次数与路径异常值');
xlabel('iteration');
ylabel('RC');
legend('RRT*','Bi-RRT*','BV-RRT*');
 
3. 结果图展示
 
 
 
 
 
 4 总结
 
  本文使用MATLAB绘制折线图适合对数据进行可视化处理。使用MATLAB绘制的图片还有一个好处是可以保存为.emf格式，这样插入word中不会失真。

画带误差棒的柱状图，并标注平均值，matlab代码如下，结果如图
 
 
// code block
clear
close all
load 'plotuse.mat';
avg=[WPE', IF', ISE'];
STD=[WPE_std' IF_std' ISE_std'];
x=[[1:8]' [1:8]' [1:8]'];

h=bar(avg);
ylim([55,100])
set(h,'barwidth',1);
h(1).FaceColor='flat';
h(1).CData=repmat([0 0.8 0.8],8,1);

hold on;
ylim([55,105]);
errorbar(x(:,1)-0.23,avg(:,1),STD(:,1),'linestyle','none','linewidth',1,'color','k');
errorbar(x(:,2),avg(:,2),STD(:,2),'linestyle','none','linewidth',1,'color','k');
errorbar(x(:,3)+0.23,avg(:,3),STD(:,3),'linestyle','none','linewidth',1,'color','k');

str_WPE=num2str(avg(:,1));
str_IF=num2str(avg(:,2));
str_ISE=num2str(avg(:,3));

dim=0.16:0.09:(0.16+7*0.09);
dim_multi_WPE=[dim' repmat([0.65,0.1,0.1],8,1)];
dim=0.18:0.09:(0.18+7*0.09);
dim_multi_IF=[dim', repmat([0.45,0.1,0.1],8,1)];
dim=0.2:0.09:(0.2+7*0.09);
dim_multi_ISE=[dim', repmat([0.15,0.1,0.1],8,1)];
for i=1:8
    annotation('textbox',dim_multi_WPE(i,:),'LineStyle', 'none', 'LineWidth',1,'String',str_WPE(i,:),'fontsize',12);
    annotation('textbox',dim_multi_IF(i,:),'LineStyle','none','LineWidth',1,'String',str_IF(i,:),'fontsize',12);
    a3=annotation('textbox',dim_multi_ISE(i,:),'LineStyle','none','LineWidth',1,'String',str_ISE(i,:));
    a3.FontSize=12;
end

set(gca,'xticklabel',{'4 units','8 units','16 units','32 units','64 units','128 units','256 units','512 units'},'fontsize',12,'fontweight','bold');
legend([h(1),h(2),h(3)],{'WPE', 'IF','ISE'},'location','northwest','NumColumns',3);

下载的网址
 http://www.hycom.org/dataserver/gofs-3pt1/analysis
 
%%    画盐度分布图
clear,clc
%读取经纬度
lat = ncread('文件名.nc','lat');
lon = ncread('文件名.nc','lon');
[Lat,Lon]=meshgrid(lat,lon);
%读取盐度
s1=ncread('文件名.nc','salinity');
s2=ncread('文件名.nc','salinity');
salinity=cat(4,s1,s2);
%去除深度，按时间维度对非nan数做平均
S = nanmean(squeeze(salinity(:,:,1,:)),3);
%画盐度分布图
figure(1)
m_proj('Mercator','lon',[119 129],'lat',[23 33]);
m_contourf(Lon,Lat,S,[25:0.25:32.6]);%画盐度等值线
colormap(jet);colorbar('fontsize',10);
m_gshhs_i('color','k','linewidth',0.2,'linestyle','none');
m_gshhs_i('patch',[.5 .8 0],'edgecolor','none');
m_grid('box','none','xtick',6,'ytick',6,'frontsize',15);
m_text(127,24,'salinity','color','w','fontsize',15);
title('6月份东海盐度分布图')





%% 画流场图
lat = ncread('文件名.nc','lat');
lon = ncread('文件名.nc','lon');
[Lat,Lon]=meshgrid(lat,lon);
%读取u,v数据
u = ncread('文件名.nc','water_u');
v = ncread('文件名.nc','water_v');

U = nanmean(squeeze(u(:,:,1,:)),3);
V = nanmean(squeeze(v(:,:,1,:)),3);
speed = sqrt(U.^2+V.^2);
Speed=speed(:);Lon=Lon(:);Lat=Lat(:);U=U(:);V=V(:);

ind=find(Speed==0);  
Speed(ind)=nan;Lon(ind)=nan;Lat(ind)=nan;U(ind)=nan;V(ind)=nan;

Speed=ceil(Speed*100);
%保留U,V,Lon,Lat,Speed与(Speed中的非nan值相应位置)的数值
U=U(~isnan(Speed));V=V(~isnan(Speed));
Lon=Lon(~isnan(Speed));Lat=Lat(~isnan(Speed));
Speed=Speed(~isnan(Speed));
mm=flipud(hot(130));

figure(2)
m_proj('Mercator','lon',[119 129],'lat',[23 33]);
%画地形水深图
[CS,CH]=m_etopo2('contourf',[-7000:500:3000],'edgecolor','none');
colormap([ m_colmap('blues')]);shading interp;colorbar;
m_gshhs_i('color','k','linewidth',0.2,'linestyle','none');
m_gshhs_i('patch',[.5 .8 0],'edgecolor','none');
m_grid('box','none','xtick',6,'ytick',6,'frontsize',15);
hold on
%画流速矢量图
for j=1:5:length(Speed)
   if Speed(j)<=130
      m_quiver(Lon(j),Lat(j),U(j),V(j),0.5,'color',mm(Speed(j),:),...
         'maxheadsize',1,'linewidth',1)
  else
        m_quiver(Lon(j),Lat(j),U(j),V(j),0.5,'color',mm(130,:),...
           'maxheadsize',1,'linewidth',1)
    end
end
title('6月份东海流场分布图')

创建柱状图
 
对于绝大多数的情况，统计对象是一组离散的数据，我们要计算他们的平均值，方差，标准差等。数据可以用柱状图呈现出来，现在我们来看一个例子：
 假设某班有36位同学，学生的期末考试成绩为：
 100分–1人
 96分–2人
 90分–4人
 88分–2人
 85分–3人
 84分–1人
 82分–2人
 78分–7人
 75分–4人
 70分–6人
 69分–1人
 63分–2人
 55分–1人
 我们在MATLAB所做的第1件事就是输入数据，输入分数x和得到该分数的人数y:
 
>> x = [55 63 69 70 75 78 82 84 85 88 90 96 100];
>> y = [1 2 1 6 4 7 2 1 3 2 4 2 1];
 
然后生成柱状图：
 

 但这远远不够，我们看到x轴许多数据重合，我们想看到某个分数区间的人数，比如50~59分之间，我们还要对我们的图像进行修改。
 现在我们要对成绩区间进行划分：
 一位学生在50～59分之间
 三位学生在60～69分之间
 17位学生在70～79分之间
 8位学生在80～89分之间
 7位学生在90～100分之间
 接下来我们创建两个数组，一个用来存储每个分数段的中间值，另一个存放每个分数段的人数。
 
>> x = [54.5 64.5 74.5 84.5 94.5];
>> y = [1 3 17 8 7];
>> bar(x,y),xlabel('分数'),ylabel('学生人数'),title('期末考试成绩')
 
更加专业;
 
 其它的命令：
 
 
barh:产生水平的柱状图
 
 
 
bar3:三维图像
 
 
 
bar3h:三维水平图像
 
 例子：
 有三个班，分别由三个老师教学，其中在不同的分数段有不同的人数，创建出带有多种数据集合的柱状图可以组合和堆和：
 
 
bar(x,y,‘grouped’)
 
 由于grouped是默认选项，所以我们还可以写成bar(x,y)
 
 
bar(x,y,‘stacked’)
 
 
我们输入的数据是一个多列数组，第一列代表A班成绩分布，以此列类推：
 
>> x = [54.5 64.5 74.5 84.5 94.5];
>> A = [0;3;18;13;10];...
B = [3;5;20;10;5];...
C = [1;2;15;17;8];
>> y = [A B C];
>> bar(x,y),xlabel('考试分数'),ylabel('学生人数'),legend('A','B','C');