T = standardizeMissing(T,-99);
disp(T)
A
B
C
D
E
________
____
__________
____
____
{'afe1'}
3
{'yes'
}
3
3
{'egh3'}
NaN
{'no'
}
7
7
{'wth4'}
3
{'yes'
}
3
3
{'atn2'}
23
{'no'
}
23
23
{'arg1'}
5
{'yes'
}
5
5
{'jre3'}
34.6
{'yes'
}
34.6
34.6
{'wen9'}
234
{'yes'
}
234
234
{'ple2'}
2
{'no'
}
2
2
{'dbo8'}
5
{'no'
}
5
5
{'oii4'}
5
{'yes'
}
5
5
{'wnk3'}
245
{'yes'
}
245
245
{'abk6'}
563
{0x0 char}
563
563
{'pnj5'}
463
{'no'
}
463
463
{'wnn3'}
6
{'no'
}
6
6
{'oks9'}
23
{'yes'
}
23
23
{'wba3'}
NaN
{'yes'
}
NaN
14
{'pkn4'}
2
{'no'
}
2
2
{'adw3'}
22
{'no'
}
22
22
{'poj2'}
NaN
{'yes'
}
NaN
NaN
{'bas8'}
23
{'no'
}
23
23
{'gry5'}
NaN
{'yes'
}
NaN
21
standardizeMissing replaces three instances of -99 with NaN.
Create a new table, T2, and replace missing values with values from previous rows of the table.
fillmissing provides a number of ways to fill in missing values.
T2 = fillmissing(T,'previous');
disp(T2)
A
B
C
D
E
________
____
_______
____
____
{'afe1'}
3
{'yes'}
3
3
{'egh3'}
3
{'no' }
7
7
{'wth4'}
3
{'yes'}
3
3
{'atn2'}
23
{'no' }
23
23
{'arg1'}
5
{'yes'}
5
5
{'jre3'}
34.6
{'yes'}
34.6
34.6
{'wen9'}
234
{'yes'}
234
234
{'ple2'}
2
{'no' }
2
2
{'dbo8'}
5
{'no' }
5
5
{'oii4'}
5
{'yes'}
5
5
{'wnk3'}
245
{'yes'}
245
245
{'abk6'}
563
{'yes'}
563
563
{'pnj5'}
463
{'no' }
463
463
{'wnn3'}
6
{'no' }
6
6
{'oks9'}
23
{'yes'}
23
23
{'wba3'}
23
{'yes'}
23
14
{'pkn4'}
2
{'no' }
2
2
{'adw3'}
22
{'no' }
22
22
{'poj2'}
22
{'yes'}
22
22
Clean Messy and Missing Data in Tables
9-21