MATLAB基础命令与常用函数：从命令行到脚本的工作流实践

如果有人递给我一份 MATLAB 脚本，我第一眼想看的往往不是算法，而是开头那三行：clc; clear; close all;。这三个命令几乎是所有 MATLAB 初学者的共同记忆，但很多人只会照抄，不理解它们到底清理了什么、为什么清理、哪些情况不需要清理。后来我发现，真正拉开人和人差距的，不是记住了多少函数，而是有没有把 MATLAB 当成一整套“交互、数据、函数、路径、脚本、调试”的工作流程。

这篇内容不会按字典把所有命令列一遍。我更想做的事情是：把 MATLAB 基本命令和常用函数重新组织成一条能直接用起来的路径。你可以把它当成一份“最小可用手册”，也可以当成一个新手从命令行迈向脚本开发的过渡指南。

1. 先理解命令窗口：它不是草稿纸，而是调试场

1.1 命令窗口是“最小实验环境”

MATLAB 最容易被低估的地方，是命令窗口的即时反馈。

你输入一行表达式，回车，结果立刻显示在屏幕上；你定义一个变量，工作区里马上就能看到它的值和类型；你按下键盘上方向键，还能调出之前敲过的命令。这个交互过程看起来简单，但它是理解和排查后续所有问题的起点。

常见的三个清理命令，先看清楚再抄：

• clc：清空命令窗口的显示内容，但不清理任何变量。
• clear：清除工作区里的变量。
• close all：关闭所有图窗。

在命令窗口里玩的时候，clc很安全。clear要小心，尤其当你已经算出了中间结果，又懒得重跑一遍时，一个clear all可能把需要的数据一起清掉。更准确的习惯是只清理不需要的变量，或者干脆不清理。写脚本时，保存并重跑脚本本来就会重新创建变量，不一定非要在开头写clear all。

who和whos也很值得养成习惯：

x = randn(100, 1); y = x .* 2 + 1; whos x y

who会列出变量名，whos会显示名称、大小、字节数和类型。当你怀疑某个变量被覆盖、维度不对或者类型不是预期时，先whos看一眼，比盲猜快得多。

另外，命令窗口里每个表达式结尾的分号作用很大：

a = 1 % 回车后会输出 a = 1 a = 1; % 回车后沉默执行

分号的作用是抑制输出。在命令窗口中，这能避免刷屏；在脚本中，这能避免中间变量把整个运行过程变成一场灾难。

1.2 求助命令是永久的外挂

背函数不是最高效的学习方式，知道怎么查函数才是。

MATLAB 自带几个非常基础的求助命令：

• help 函数名：在命令窗口显示函数的功能、输入参数和示例。
• doc 函数名：打开更完整的文档页面，通常带例子和说明。
• lookfor 关键词：按描述搜索，适合只记得功能、不记得函数名的场景。
• which 函数名：显示某个函数的文件路径，用来查函数是不是被其他同名文件覆盖。

举个例子，你想知道mean怎么用，直接敲：

help mean

想按行求平均、忽略NaN、或者对高维数组求平均，help里通常都有说明。实际使用中，doc的阅读体验更好，适合搞清楚参数细节；help更快，适合临时确认。

2. 变量和数据操作：先建立“数组思维”

2.1 一切数据都是数组

很多新手把 MATLAB 当成一个高级计算器，输入a = 1就把它当成“数字”。但实际上，MATLAB 里标量只是一个1×1的数组。理解这一点，很多后续问题都能提前避免。

先记住创建数据的基本方式：

a = 1; % 1×1 矩阵 b = [1 2 3]; % 1×3 行向量 c = [1; 2; 3]; % 3×1 列向量 d = 1:5; % 从 1 到 5，步长 1 e = linspace(0, 1, 6); % 从 0 到 1，均匀取 6 个点 z = zeros(2, 3); % 2 行 3 列全零矩阵 o = ones(3, 1); % 3 行 1 列全一矩阵 I = eye(4); % 4×4 单位矩阵 r = rand(3); % 3×3 均匀分布随机数 rn = randn(100, 1); % 100 个标准正态随机数

随机数生成前，建议先用rng固定随机种子，否则每次运行结果不同，排错时会很难判断是代码问题还是随机性导致的问题：

rng(42);

索引是数组操作里最容易出错、也最常用的一块。基本索引方式包括：

A = magic(4); A(2, 3); % 第 2 行第 3 列 A(:, 2); % 第 2 列 A(1:2, :); % 前两行 A(end, :); % 最后一行 A(A > 10); % 逻辑索引，取出所有大于 10 的元素

其中end会动态表示当前维度的最后一个位置，配合:切片非常方便。逻辑索引更是 MATLAB 里很实用的能力，它能把“满足条件的位置”直接提取出来，避免写一堆for循环。

2.2 cell、struct、table：数据容器不是越少越好

如果只用矩阵做实验，基础功能已经够用。但实际项目里，数据的“形态”并不总是二维矩阵，所以还要认识三个常见容器。

• cell 数组用{}创建，可以装不同大小、不同类型的数据。
• struct 结构体通过字段名来存取数据，可读性很好。
• table 表格更像 Excel 里的表，每一列可以有不同的类型。

c = {'error', 3, [1 2 3]}; s.name = 'demo'; s.value = 42; T = table([1; 2], ["a"; "b"], 'VariableNames', ["id", "label"]);

新手不需要一次全部掌握，但至少要能在报错信息里认出它们。比如说，{}和()对 cell 数组的意义不同：()取子 cell，{}取内容。这个区别比想象中更常见。

3. 常用函数：从“能算出来”到“能算对”

3.1 基础统计和数学函数

MATLAB 常用函数里，描述性统计是最容易上手的一类。以下这些函数在绝大多数数据处理任务里都会出现：

这些函数单独看都很简单，真正的坑在维度。

比如sum(A)默认沿第一个非单一维度求和，数据是行向量还是列向量，结果很容易混。更稳妥的写法是显式指定维度：

A = magic(3); sum(A, 1) % 每个列的和 sum(A, 2) % 每个行的和

另一个高频问题是NaN。数据里一旦出现缺失值，mean、std、sum的结果可能直接变成NaN。这时候要考虑：

x = [1; 2; NaN; 4]; mean(x, 'omitnan')

omitnan选项在多个统计函数里都存在，但不同版本支持程度略有区别。使用前用help mean确认一下，不会浪费多少时间。

3.2 矩阵运算和数组运算的关键差异

MATLAB 里最容易让新手算错的一类问题，是搞清楚矩阵乘法和元素级乘法。

• A * B是矩阵乘法，要求A的列数等于B的行数。
• A .* B是元素级乘法，要求两个数组大小一致，对应位置相乘。

类似地：

• A ^ 2是矩阵乘方。
• A .^ 2是每个元素分别平方。

我用一个极度简化的例子说明：

A = [1 2; 3 4]; B = [2 0; 0 2]; C1 = A .* B; % 对应元素相乘 C2 = A * B; % 普通矩阵乘法

如果报错提示Matrix dimensions must agree，不用急着怀疑是自己矩阵理解有问题，先看看是不是把.*写成了*，或者数组大小不一致。

转置也要注意：A'是共轭转置，A.'是普通转置。当数据是复数时，两个结果可能不同。工程上如果不是刻意处理复数，看到'时仍要留个心眼。

3.3 画图、文件读取和图像处理的基本入口

常用函数不只包括数学计算。MATLAB 里高频率出现的另一块是数据可视化和文件读写。

画图的基本路径是figure开图、plot画线、xlabel/ylabel标注轴、legend加图例、grid开网格：

t = linspace(0, 2*pi, 100); y1 = sin(t); y2 = cos(t); figure; plot(t, y1, 'r-', 'LineWidth', 1.5); hold on; plot(t, y2, 'b--'); xlabel('t'); ylabel('y'); legend('sin', 'cos'); grid on;

文件读写方面，现在更推荐使用readmatrix、writematrix、readtable、writetable这类高一层函数。它们能自动处理一部分格式问题，比手动解析 CSV 省很多事：

data = readmatrix('data.csv'); writematrix(data, 'output.csv');

如果做图像处理，常见组合是imread、imshow、imwrite和imresize：

img = imread('photo.jpg'); imshow(img); img2 = imresize(img, 0.5); imwrite(img2, 'photo_small.jpg');

需要注意，部分图像处理函数属于对应工具箱。如果运行时报Undefined function or variable，先确认当前 MATLAB 环境是否安装了相应工具箱。

4. 从命令行到脚本：让经验可复用

4.1 脚本是最好的实验记录

命令窗口适合试错，但真正的工作应该沉淀成脚本。脚本文件里的每一行，本质上是你在命令窗口里敲过的命令，只是被保存下来，可以重复运行、修改和审查。

脚本开头不需要千篇一律的清理三行，更好的做法是按任务需要来。我通常会在一个脚本里用%%分节，把流程分成“数据输入、处理、可视化、保存输出”几个阶段：

%% 数据生成 rng(42); x = randn(100, 1); %% 统计分析 m = mean(x); s = std(x); fprintf('mean=%.4f, std=%.4f\n', m, s); %% 可视化 figure; histogram(x, 30);

分节的好处是，在 MATLAB 编辑器里可以只运行当前节，不用每次从头跑。数据量一变大，这个优势会非常明显。

脚本里还要养成写注释的习惯。%后面的文字不会运行，但会帮助你两个月后仍然知道这行在干什么。注释不需要多，至少要说明“为什么这么写”，而不是重复“这里算了均值”。

4.2 函数文件：把重复逻辑封装起来

当同一个处理逻辑在多处出现，就应该把它从脚本里抽出来，做成函数文件。函数和脚本最大的区别是：函数有明确的输入和输出，内部变量默认不会污染工作区。

一个最简单的函数文件summarizeData.m可以是这样：

function [meanVal, stdVal] = summarizeData(x) % summarizeData 计算均值与标准差 meanVal = mean(x); stdVal = std(x); end

函数名要和文件名一致。如果你把函数命名为summarizeData，文件就要保存为summarizeData.m。否则调用时 MATLAB 找不到，报错信息通常会指向函数名或路径问题。

函数的好处不只是减少重复代码，更重要的是它强制你定义接口：输入是什么，输出是什么。写清楚之后，测试和替换都会更容易。临时想调整逻辑，只需改函数内部，不需要满脚本找复制粘贴的片段。

4.3 路径问题：新手最容易忽略的暗坑

“我明明有那个函数，为什么 MATLAB 说找不到？”这类问题，多半和路径有关。

先记住几个路径命令：

• pwd：显示当前文件夹。
• cd：切换当前文件夹。
• dir/ls：列出当前文件。
• which 函数名：查看函数所在路径。
• addpath：把文件夹添加到搜索路径。
• savepath：保存当前路径设置，让它后续生效。

常见问题场景是这样：你写了一个脚本，脚本里调用utils文件夹里的自定义函数，但 MATLAB 当前路径不在那个文件夹里，于是报Undefined function or variable。这时候不是函数不存在，而是它没有被纳入搜索路径。

解决办法可以是：

addpath('C:/work/myproject/utils');

如果你在项目里经常使用某个工具函数，把项目根目录或utils目录加入搜索路径，比每次用cd切来切去更省心。更稳妥的做法是写一个startup.m或项目初始化脚本，在启动时统一设置路径。

文件本身的位置也很重要。尽量让脚本、函数、数据文件放在同一个项目目录下，路径里避免使用空格和中文，可以降低很多跨平台和版本环境下的不确定性。

5. 一个最小可运行的 MATLAB 任务流程

5.1 按“输入、处理、输出、记录”四段式组织代码

很多初学者喜欢把代码一长条从头写到尾，中间没有分隔，也没有输出。这样跑通一次没问题，一旦某个环节报错，定位起来就慢。

更推荐的处理框架是四段式：

1. 输入：读取文件、生成数据、设置参数。
2. 处理：计算、清洗、统计、建模。
3. 输出：保存结果、绘制图表、导出文件。
4. 记录：在命令窗口或日志里显示关键信息。

下面是一个最小示例：

%% 输入 inputFile = 'data.csv'; rawData = readmatrix(inputFile); %% 处理 cleanData = rmmissing(rawData); stats = [mean(cleanData); std(cleanData); min(cleanData); max(cleanData)]; %% 输出 writematrix(stats, 'summary.csv'); figure; plot(cleanData); saveas(gcf, 'result.png'); %% 记录 fprintf('rows before: %d, after: %d\n', size(rawData, 1), size(cleanData, 1));

这套流程的好处是边界清晰。如果结果不对，先确认输入没有读错，再检查处理逻辑，最后看输出文件是否生成。每一步的中间结果都可以打印出来检查。

5.2 批量任务里的循环与异常处理

当任务从“跑一次”变成“批量处理很多个文件”时，for循环就不可避免了。

files = dir('data/*.csv'); for k = 1:numel(files) filePath = fullfile(files(k).folder, files(k).name); fprintf('processing: %s\n', filePath); data = readmatrix(filePath); % 继续处理 end

批量处理里最值得注意的不是循环语法，而是“一个文件出错会不会拖垮整个任务”。如果不做处理，某个文件格式不对，循环直接中断，前面处理好的文件也白处理了。

所以批量任务里可以加一层try-catch：

for k = 1:numel(files) try processFile(files(k)); catch ME fprintf('error %s: %s\n', files(k).name, ME.message); end end

这样即使单个文件失败，其他文件还能继续跑。但注意，try-catch也会掩盖错误，使用时要同时把错误信息打印出来，否则可能最后只得到一堆“好像没跑完”的结果，却不知道哪些文件出了问题。

6. 报错之后，按什么顺序排查

6.1 先把问题分成四层

MATLAB 报错信息千变万化，但大多数人卡住不是因为报错太难，而是没有按照固定顺序排查。

我建议按下面四层检查：

遇到报错先不要急着改代码，先默认代码可能没问题，问题可能在“数据没读对”或“函数路径没找到”。用whos打印一下变量，用size看一下维度，通常能排除大半问题。

6.2 常见报错和对应动作

下面是几个出现频率很高的报错和调试动作：

• Undefined function or variable 'x'：先确认变量是否存在、拼写是否一致；如果是函数，确认函数文件是否在当前路径或搜索路径中。
• Index exceeds the number of array elements：多半是索引越界，检查size和循环边界。
• Matrix dimensions must agree：检查两个数组大小是否一致，检查是否把.*写成了*。
• Unrecognized function or variable：检查函数名和文件名是否一致，工具箱是否安装，搜索路径是否包含目标目录。
• Unable to open file：检查当前工作目录和文件是否存在，建议用绝对路径或fullfile拼接路径。
• Out of memory：数据量过大，考虑用单精度、分批读取、删除不用的变量或降采样。

这些是思路，不是万能答案。每条报错都应该回到自己的代码里验证，因为同一个报错信息在不同场景下的真实原因可能不同。

6.3 一条实用的调试路径

更系统的调试路径是：设置报错即暂停，然后逐步查看变量。

MATLAB 里可以运行：

dbstop if error

然后运行你的脚本或函数。一旦代码报错，MATLAB 会自动停在出错的那一行。这时命令窗口仍然可以访问当前工作区的变量，你可以直接查看某个变量的大小、数值和类型。

查完问题后，记得清除断点设置：

dbclear if error

这种方式比在代码里到处插入disp更高效。当然，如果你对某个函数内部逻辑不熟悉，也可以直接用编辑器里的“设置断点”功能，在行号旁边点一下，再按“运行”逐行观察。

7. 真正值得长期养成的，是工作流而不是命令库

7.1 先跑通，再自动化，再固化

回到文章开头那个判断：MATLAB 的真正价值不是命令多，而是命令可以组合成流程。

我建议每个新手都按这条路径成长：

1. 先跑通：在命令窗口里，用最直接的方式让一个小任务完成。
2. 再自动化：把命令窗口的操作整理成脚本，并用%%分节增强可读性。
3. 再固化：把重复逻辑封装成函数，加入日志、异常处理、参数校验和批量循环。

这样学习看起来慢，但每一步都在为下一步铺路。如果一开始就追求掌握几百个函数，最后往往只是“见过”，而不是“会用”。

7.2 该省的要省，该显式的要显式

使用 MATLAB 时，有几个习惯能明显减少返工：

• 用fprintf把关键中间结果打印出来，而不是默默运行到最后。
• 用whos或size检查变量维度，而不是靠猜。
• 用rng固定随机种子，让结果可复现。
• 用函数封装重复逻辑，而不是复制粘贴。
• 用脚本分节组织长流程，而不是一长条代码跑到底。

同时也要提醒：不是所有地方都适合自动化。临时看一个变量的值，直接在命令窗口打变量名就够了；真正需要反复运行的批量任务，才值得写循环和异常处理。工具是为人服务的，不要为了“看起来专业”把简单事情复杂化。

最后我的经验是：MATLAB 的学习不是背函数，而是搭流程。先让一个任务能在命令窗口里顺利完成，再把它沉淀成脚本，把脚本里反复出现的逻辑变成函数，最后加上注释、日志和异常处理。这个流程一旦建立，换一个新任务也只是换输入和输出，核心骨架会一直复用。这也是为什么我说，基本命令和常用函数真正值得学的不是数量，而是它们如何组合成一套可重复、可检查、可修改的工作方式。