第 3 章：自动化你的工作¶

function [k_mean, k_std, R2] = analyze_spring(F, x, plotFlag)
% analyze_spring  分析弹簧实验数据
%   输入：
%     F - 拉力数据向量
%     x - 伸长量数据向量
%     plotFlag - 是否绘图（true/false）
%   输出：
%     k_mean - 弹性系数均值
%     k_std  - 弹性系数标准差
%     R2     - 拟合优度

    if nargin < 3
        plotFlag = false;        % 默认不绘图
    end

    % 线性拟合
    p = polyfit(F, x, 1);

    % 计算弹性系数
    k = F(2:end) ./ x(2:end);
    k_mean = mean(k);
    k_std = std(k);

    % 拟合优度
    x_pred = polyval(p, F);
    R2 = 1 - sum((x - x_pred).^2) / sum((x - mean(x)).^2);

    % 可选绘图
    if plotFlag
        figure;
        plot(F, x, 'ro', 'MarkerSize', 8, 'MarkerFaceColor', 'r');
        hold on;
        F_fit = linspace(min(F), max(F), 100);
        plot(F_fit, polyval(p, F_fit), 'b-', 'LineWidth', 2);
        xlabel('拉力 F (N)');
        ylabel('伸长量 x (cm)');
        title(sprintf('k = %.3f ± %.3f N/cm, R^2 = %.4f', k_mean, k_std, R2));
        legend('数据', '拟合');
        grid on;
    end
end

% 调用函数
F = [0, 1, 2, 3, 4, 5];
x = [0, 1.2, 2.3, 3.5, 4.6, 5.8];
[k_mean, k_std, R2] = analyze_spring(F, x, true);

score = 85;

if score >= 90
    grade = 'A';
elseif score >= 80
    grade = 'B';
elseif score >= 70
    grade = 'C';
elseif score >= 60
    grade = 'D';
else
    grade = 'F';
end

fprintf('成绩等级：%s\n', grade);

% 计算斐波那契数列前 20 项
n = 20;
fib = zeros(1, n);
fib(1) = 1;
fib(2) = 1;

for i = 3:n
    fib(i) = fib(i-1) + fib(i-2);
end

disp(fib);

% 找到第一个大于 1000 的 2 的幂
n = 1;
while 2^n <= 1000
    n = n + 1;
end
fprintf('2^%d = %d > 1000\n', n, 2^n);

n = 1000000;

% 慢：使用循环
tic;
result1 = zeros(1, n);
for i = 1:n
    result1(i) = sin(i) * cos(i);
end
t_loop = toc;

% 快：向量化
tic;
i = 1:n;
result2 = sin(i) .* cos(i);
t_vec = toc;

fprintf('循环耗时：%.4f 秒\n', t_loop);
fprintf('向量化耗时：%.4f 秒\n', t_vec);
fprintf('加速比：%.1f 倍\n', t_loop / t_vec);

% 读取 CSV 文件
data = readmatrix('experiment_data.csv');

% 或使用 readtable（保留列名）
T = readtable('experiment_data.csv');
F = T.Force;     % 按列名访问
x = T.Elongation;

% 保存结果到文本文件
results = table(F', x', k', 'VariableNames', {'Force', 'Elongation', 'k'});
writetable(results, 'spring_results.csv');

% 保存 MATLAB 数据格式
save('spring_analysis.mat', 'F', 'x', 'k_mean', 'k_std');

% batch_analysis.m —— 批量分析弹簧实验数据
clear; clc;

% 存储所有结果
all_results = table();

for i = 1:50
    % 读取第 i 组数据
    filename = sprintf('data/experiment_%02d.csv', i);

    if ~exist(filename, 'file')
        fprintf('文件 %s 不存在，跳过\n', filename);
        continue;
    end

    T = readtable(filename);
    F = T.Force;
    x = T.Elongation;

    % 调用分析函数
    [k_mean, k_std, R2] = analyze_spring(F, x, false);

    % 保存结果
    all_results.Group(i) = i;
    all_results.k_mean(i) = k_mean;
    all_results.k_std(i) = k_std;
    all_results.R2(i) = R2;

    fprintf('第 %d 组：k = %.3f ± %.3f, R² = %.4f\n', i, k_mean, k_std, R2);
end

% 保存汇总结果
writetable(all_results, 'batch_results.csv');

% 绘制汇总图
figure;
subplot(1, 3, 1);
histogram(all_results.k_mean);
xlabel('弹性系数 k (N/cm)');
ylabel('频次');
title('弹性系数分布');

subplot(1, 3, 2);
plot(all_results.k_mean, all_results.k_std, 'o');
xlabel('弹性系数均值');
ylabel('标准差');
title('均值 vs 标准差');
grid on;

subplot(1, 3, 3);
histogram(all_results.R2);
xlabel('拟合优度 R²');
ylabel('频次');
title('拟合优度分布');

fprintf('\n========== 汇总 ==========\n');
fprintf('共处理 %d 组数据\n', i);
fprintf('弹性系数总均值：%.4f N/cm\n', mean(all_results.k_mean));
fprintf('平均拟合优度：%.4f\n', mean(all_results.R2));

% 设置断点：点击行号左侧的横杠
% 调试命令
dbstop if error     % 出错时自动停在出错行
dbclear all         % 清除所有断点

% 在命令窗口查看变量
% 在断点处，命令窗口可以访问所有局部变量

% 常用调试操作
% F10 - 单步执行（不进入函数）
% F11 - 单步执行（进入函数）
% F5  - 继续运行到下一个断点