Importer et enregistrer des données

Informatique — MATLAB, chapitre 7

Jusqu’ici, toutes les matrices étaient tapées à la main. Dans la pratique, elles viennent d’un fichier — un CSV exporté d’une base, un classeur Excel reçu par courriel. Ce chapitre traite de ce passage et des quelques pièges qui font perdre une soirée à tout le monde au moins une fois.

Des commandes à recopier

Les blocs de ce chapitre supposent un fichier sur votre disque : ouvrez-les dans MATLAB Online ou Octave Online, où vous pourrez déposer vos propres données. Les commandes fonctionnent à l’identique dans les deux.

7.1 Où MATLAB cherche-t-il les fichiers ?

pwd                     % ou suis-je
ls                      % que contient ce dossier
cd('C:/Users/moi')      % aller ailleurs

Un chemin relatif part du dossier courant : readmatrix('donnees/pib.csv'). Un chemin absolu part de la racine du disque.

La barre oblique, dans le bon sens

L’explorateur Windows affiche C:\Users\moi. Écrivez C:/Users/moi avec des barres normales : elles fonctionnent sous Windows comme sous macOS et Linux, et évitent toute interprétation de la barre inversée.

Et n’inscrivez jamais un cd absolu dans un script destiné à circuler : il fonctionnera sur votre machine et sur aucune autre.

7.2 Le format texte

7.2.1 Un tableau purement numérique

A = readmatrix('donnees.csv');
size(A)

readmatrix renvoie une matrice de nombres. C’est la fonction à employer quand le fichier ne contient que des valeurs numériques — le cas le plus fréquent en calcul matriciel.

A = readmatrix('donnees.csv', 'Delimiter', ';', 'DecimalSeparator', ',');
A = readmatrix('donnees.csv', 'NumHeaderLines', 1);

Le CSV « français »

Un tableur configuré en français exporte un fichier où le séparateur de colonnes est le point-virgule et le séparateur décimal la virgule. MATLAB attend l’inverse.

Sans les options ci-dessus, readmatrix lit 12,5 comme deux colonnes, ou renvoie des NaN sur toute la colonne. Le symptôme : une matrice deux fois trop large, ou pleine de NaN.

C’est exactement le même piège qu’en R et en Python. Il vaut pour tous les logiciels.

7.2.2 Un tableau avec du texte

T = readtable('donnees.csv');
head(T)
T.Properties.VariableNames

readtable construit une table, structure à colonnes nommées et de types mêlés — l’équivalent du data frame de R.

T.pib                       % une colonne, par son nom
T{:, 'pib'}                 % la meme, en matrice
T(T.pib > 40, :)            % filtrer les lignes
A = table2array(T(:, 2:4)); % convertir en matrice numerique

Quelle fonction choisir

Contenu du fichier	Fonction
que des nombres	`readmatrix`
noms de colonnes, texte, dates	`readtable`
structure irrégulière	`readcell`

En pratique : readtable pour explorer et vérifier, puis table2array pour extraire la matrice numérique sur laquelle on calcule.

Note : readmatrix et readtable sont récents. Sur d’anciennes versions ou sous Octave, employez csvread, dlmread ou textscan.

7.3 Excel

A = readmatrix('donnees.xlsx');
T = readtable('donnees.xlsx', 'Sheet', '2023');
A = readmatrix('donnees.xlsx', 'Range', 'B2:F120');

[~, feuilles] = xlsfinfo('donnees.xlsx')    % lister les feuilles

Le tilde ~ remplace une sortie dont on ne veut pas : ici, on ignore la première et ne garde que la liste des feuilles.

Le meilleur conseil de ce chapitre

Un classeur destiné à l’analyse doit contenir un tableau et rien d’autre : une ligne d’en-têtes, puis les données. Pas de titre fusionné, pas de ligne de totaux, pas de cellules colorées porteuses de sens, pas de commentaire en marge.

Chaque fioriture devient un obstacle à l’import. Beaucoup de temps perdu sur MATLAB est en réalité du temps perdu sur un classeur mal conçu.

7.4 Vérifier immédiatement

size(A)                     % le bon nombre de lignes et colonnes ?
sum(isnan(A(:)))            % combien de valeurs manquantes
sum(isnan(A))               % par colonne
min(A), max(A)              % des valeurs plausibles ?
mean(A, 'omitnan')          % moyenne en ignorant les NaN

Ces cinq commandes prennent dix secondes et évitent des heures de perplexité.

NaN se propage, comme le NA de R

A = [1 2; 3 NaN];
sum(A)                      % 4  NaN
sum(A, 'omitnan')           % 4  2

Une seule valeur manquante suffit à rendre NaN toute une somme. C’est délibéré : MATLAB refuse de calculer en cachant qu’il manque des données.

L’option 'omitnan' existe sur sum, mean, std, var, median. C’est l’équivalent exact du na.rm = TRUE de R.

lignes_completes = A(~any(isnan(A), 2), :);   % retirer les lignes incompletes
A(isnan(A)) = 0;                              % remplacer par zero

La première ligne mérite d’être lue de l’intérieur : isnan(A) marque les manquantes, any(..., 2) repère les lignes en contenant au moins une, ~ inverse, et l’indexation logique ne garde que les lignes complètes. Le chapitre 9 détaille ce mécanisme.

7.5 Enregistrer

7.5.1 Vers un fichier texte

writematrix(A, 'resultats.csv');
writematrix(A, 'resultats.csv', 'Delimiter', ';');
writetable(T, 'resultats.xlsx');

7.5.2 Le format propre à MATLAB

save('travail.mat');                    % TOUTES les variables
save('travail.mat', 'A', 'beta');       % seulement celles-ci
load('travail.mat');                    % les recharger

Format	Quand l’employer
CSV	échanger avec quelqu’un d’autre, ou un autre logiciel
`.mat`	conserver des variables MATLAB avec leurs types intacts
`.xlsx`	livrer un tableau à un lecteur non technique

load écrase sans prévenir

load réinjecte les variables avec leurs noms d’origine. Si votre session contient déjà un A, il est remplacé silencieusement.

Deux parades : charger dans une structure — S = load('travail.mat'), puis S.A —, ou commencer tout script par clear.

7.6 Nettoyer l’espace de travail

who                     % quelles variables existent
whos                    % avec leur taille et leur type
clear A b               % supprimer certaines
clear                   % tout supprimer
clc                     % effacer l'affichage, sans toucher aux variables

L’en-tête de tout script sérieux

clear; close all; clc;
rng(123);

clear élimine les variables d’un essai précédent, close all ferme les figures, clc nettoie l’écran, rng fixe la graine.

Sans clear, un script peut fonctionner grâce à une variable oubliée en mémoire, et échouer chez votre lecteur. C’est un défaut de reproductibilité classique — et invisible tant qu’on ne redémarre pas.

7.7 Un exemple complet

clear; clc;

T = readtable('villes.csv', 'Delimiter', ';', 'DecimalSeparator', ',');

head(T)
summary(T)

X = table2array(T(:, {'pib', 'population'}));
fprintf('%d lignes, %d colonnes\n', size(X, 1), size(X, 2));
fprintf('valeurs manquantes : %d\n', sum(isnan(X(:))));

X = X(~any(isnan(X), 2), :);

pib_hab = X(:, 1) ./ X(:, 2);
fprintf('PIB/hab moyen : %.2f\n', mean(pib_hab));

writematrix([X pib_hab], 'resultats.csv', 'Delimiter', ';');

fprintf affiche du texte formaté : %d pour un entier, %.2f pour deux décimales, \n pour le retour à la ligne. C’est l’équivalent des f-strings de Python, et il sert dès qu’on veut un affichage lisible plutôt que le brut de MATLAB.

À vous

Écrivez la séquence d’import d’un CSV français, les contrôles à effectuer, et le retrait des lignes incomplètes.

La solution

clear; clc;

A = readmatrix('donnees.csv', ...
               'Delimiter', ';', ...
               'DecimalSeparator', ',', ...
               'NumHeaderLines', 1);

fprintf('dimensions : %d x %d\n', size(A, 1), size(A, 2));
fprintf('manquantes : %d\n', sum(isnan(A(:))));
disp(sum(isnan(A)));          % par colonne

A = A(~any(isnan(A), 2), :);
fprintf('apres nettoyage : %d lignes\n', size(A, 1));

disp([min(A); max(A); mean(A)]);

Les trois points ... prolongent une instruction sur la ligne suivante — indispensable dès qu’un appel comporte plusieurs options.

Si size(A, 2) renvoie deux fois le nombre de colonnes attendu, c’est que le 'Delimiter' est faux. Si la matrice est pleine de NaN, c’est le 'DecimalSeparator'.

Ce qu’il faut retenir

Écriture	Effet
`pwd`, `ls`, `cd`	se repérer dans les dossiers
`readmatrix`	fichier purement numérique
`readtable`	colonnes nommées et types mêlés
`'Delimiter', ';'` et `'DecimalSeparator', ','`	le CSV français
`table2array`	passer d’une table à une matrice
`sum(isnan(A(:)))`	compter les valeurs manquantes
`mean(A, 'omitnan')`	calculer en les ignorant
`A(~any(isnan(A), 2), :)`	ne garder que les lignes complètes
`writematrix`, `writetable`	exporter
`save`, `load`	format `.mat` — `load` écrase sans prévenir
`clear; close all; clc;`	l’en-tête de tout script sérieux
`fprintf('%.2f\n', x)`	affichage formaté

Le chapitre suivant met en images tout ce qui vient d’être calculé : les graphiques de MATLAB.