1. 数据导入与清洗：从杂乱文本到规整矩阵
处理实验数据时，最头疼的莫过于面对那些带着复杂题头、格式混乱的文本文件。我最近接手的一个电机控制实验项目，原始数据文件里混杂着传感器编号、时间戳、单位说明，甚至还有实验员手写的注释。这种数据直接导入MATLAB会报错，但手动清理50多个文件又太费时。经过多次尝试，我总结出几个高效的数据清洗套路。
对于带有多行题头的文本文件，textscan函数的HeaderLines参数是救命稻草。比如这个读取温度传感器数据的案例：
fileID = fopen('sensor_log.txt','r'); data = textscan(fileID, '%f %f %f %f', 'HeaderLines', 5, 'Delimiter',','); fclose(fileID); temperature = [data{2} data{4}]; % 提取第2和第4列有效数据更复杂的情况是中英文混杂的表格数据。上周处理的一组振动测试数据里，居然在数值中间夹杂着"±2.5mm"这样的字符串。这时需要用正则表达式配合cellfun进行批量处理：
raw_data = importdata('vibration.csv'); clean_values = cellfun(@(x) regexp(x,'[\d\.]+','match'), raw_data.textdata); processed = str2double([clean_values{:}]);遇到Excel导出的CSV文件时，我推荐先用detectImportOptions探知文件结构。这个函数能自动识别分隔符、文本限定符等关键信息，特别适合处理国际团队合作时产生的各种编码格式：
opts = detectImportOptions('experiment_data.csv'); opts.VariableNamesLine = 3; % 跳过前两行无关信息 data = readtable('experiment_data.csv', opts);2. 批量处理技巧：告别重复点击
做研究生课题时最崩溃的时刻，就是发现导师要求重新处理三个月积累的所有实验数据。这时候批量处理脚本就是你的救星。我开发过一个自动化流水线，能同时处理存放在不同子文件夹的数百个数据文件。
首先用dir配合正则表达式实现智能文件筛选。比如要找出所有2023年5月的压力测试数据：
files = dir('**/PressureTest_202305*.dat'); for k = 1:length(files) fullpath = fullfile(files(k).folder, files(k).name); process_single_file(fullpath); % 自定义处理函数 end对于需要保持原始目录结构的场景，可以结合mkdir和copyfile创建镜像文件夹。上周帮学弟处理的一组红外光谱数据，就用了这样的结构克隆技巧：
input_dir = 'RawSpectra'; output_dir = 'ProcessedSpectra'; if ~exist(output_dir, 'dir') mkdir(output_dir) end subfolders = dir(input_dir); for i = 3:length(subfolders) % 跳过.和.. current = fullfile(input_dir, subfolders(i).name); new_folder = fullfile(output_dir, subfolders(i).name); copyfile(current, new_folder); end3. 专业级Bode图绘制秘籍
很多同学以为只有控制系统工具箱里的bode函数才能画波特图，其实用普通plot加上几个关键设置就能做出出版级质量的频响曲线。去年投稿IEEE论文时，审稿人特别称赞了我图中的细节处理。
首先是双对数坐标的魔法。处理一组放大器频率响应数据时，这样设置能让曲线更专业：
semilogx(frequency, gain, 'LineWidth',1.5); hold on; semilogx(frequency, phase, '--','LineWidth',1.5); set(gca, 'XScale','log', 'YScale','linear'); grid on;坐标轴标签的学问很多。我习惯用LaTeX语法添加单位，并微调字体大小避免投稿时被压缩：
xlabel('Frequency (Hz)', 'Interpreter','latex', 'FontSize',11); ylabel('Phase (deg)', 'Interpreter','latex', 'FontSize',11); title('Bode Diagram of Filter Response', 'FontWeight','normal');图例位置需要精心调整。经过多次投稿积累的经验，我总结出这个黄金位置公式：
legend({'Gain','Phase'}, 'Location','southwest',... 'Box','off', 'FontSize',9);4. 多图融合与高级布局
对比实验结果的终极技巧是把多个曲线放在同一坐标系里。但简单的hold on会导致Y轴尺度冲突，这时plotyy的升级版yyaxis就是神器。上个月做的传感器对比实验，就用这个功能清晰展示了两个量纲不同的参数。
创建双Y轴的基本框架是这样的：
yyaxis left; plot(time, temperature, 'b-'); ylabel('Temperature (°C)'); yyaxis right; plot(time, humidity, 'r--'); ylabel('Relative Humidity (%)');更复杂的多子图布局可以用tiledlayout实现。这个功能在MATLAB R2019b之后变得异常强大，比如创建带公共标题的2×3面板：
t = tiledlayout(2,3); title(t, 'Six Sensor Readings Comparison'); for i = 1:6 nexttile; plot(data(:,i)); xlabel(['Sensor ' num2str(i)]); end边距控制是投稿图片的必修课。经过反复测试，这个参数组合在各种期刊要求下都表现良好：
set(gcf, 'Units','centimeters', 'Position',[0 0 15 10]); set(gca, 'LooseInset',[0 0 0 0]); % 消除多余空白5. 输出优化与格式陷阱
好不容易做好一张完美图表，最后却毁在导出环节，这种经历我遇到过太多次。特别是毕业论文需要插入几十张图片时，必须建立可靠的导出流程。
矢量图输出首选PDF格式。这个设置能保证放大不失真：
exportgraphics(gcf, 'output.pdf',... 'ContentType','vector',... 'Resolution',600);当图片包含大量数据点时，改用PNG格式控制文件大小。这个技巧在准备会议海报时特别有用：
print('-dpng', '-r300', 'high_res.png');最坑的是Word转PDF时的字体错位问题。经过多次惨痛教训，我现在都遵循这个工作流：先在MATLAB中保存为EMF格式，然后在Word里右键选择"转换为可编辑的图形"，最后才生成PDF。虽然步骤多点，但能确保评审专家看到的和你的设计完全一致。