matlab如何读取excel数据：两种主流方法适配不同版本与数据场景

matlab如何读取excel数据，核心有xlsread传统函数和readtable新式函数两种可直接落地的方法，xlsread兼容所有MATLAB版本、操作简单，适合快速读取数值、文本混合表格数据，但不支持高版本Excel新格式的部分特性；readtable是R2019b及以上版本主推方法，读取数据会自动生成结构化表格，自带行列标签，后续数据处理、筛选、运算更便捷，唯一短板是低版本MATLAB无法调用。日常普通Excel数据读取优先用readtable，老旧版本适配、极简快速读取场景用xlsread。

你使用readtable读取Excel数据时，只需一行核心代码即可完成基础读取，基础语法为T = readtable('文件全名.xlsx')。使用前必须将Excel文件放在MATLAB当前工作文件夹中，否则代码会直接报错找不到文件。读取完成后，变量T会存储在工作区，是完整的表格结构体，自动识别Excel表头作为变量名，数值数据、文本数据会自动分类存储，无需手动区分格式。如果需要读取指定工作表，直接在代码中追加工作表参数，写法为T = readtable('数据.xlsx','Sheet','工作表名称')，精准定位目标表格，避免读取多余内容。

xlsread函数的实操用法更适配老旧使用场景，基础读取代码为[A,B,C] = xlsread('数据.xlsx')，三个输出参数对应不同数据类型，A专属存储所有数值型数据，为空的单元格会填充NaN缺失值，B专门存储文本、字符类数据，C是完整原始数据矩阵，同步保留数值和文本，适配需要整体遍历数据的需求。该函数无需适配版本，哪怕是十年前的MATLAB版本也能正常运行，唯一的具体问题是读取超大Excel文件（超过10万行数据）时，运行速度会明显变慢，且无法识别Excel中的公式、条件格式，仅能读取最终显示值。

精准读取Excel指定行列数据的实操技巧

批量数据处理无需读取整张表格，精准截取行列可以大幅提升运行效率。用readtable实现定点读取时，可通过Range参数限定单元格范围，代码写法为T = readtable('数据.xlsx','Range','A2:D100')，能够直接跳过表头、空白行，只读取A2到D100区间的有效数据。这种定点读取方式适配绝大多数实验数据、统计表格，能直接剔除无效空白数据，减少后续数据清洗步骤。

低版本MATLAB使用xlsread定点读取的逻辑一致，语法为[A,B,C] = xlsread('数据.xlsx','Sheet1','A1:B50')，可同时指定工作表和单元格区间。你需要记住核心细节，Excel的行列标识必须用大写字母，小写字母会直接触发读取失败，系统不会自动纠错。

存在一个明确的版本使用限制风险：R2022b及以上最新MATLAB版本，已经逐步废弃xlsread函数，虽然短期仍可调用，但运行时会弹出版本警告弹窗，且后续版本会彻底移除该函数，长期使用、持续迭代的代码工程，必须统一更换为readtable函数，避免后续代码失效。

读取带合并单元格的Excel数据时，两种方法都会出现数据错位问题，这是固定特性而非操作错误。合并单元格会导致空白单元格缺失数据，readtable会自动填充缺失标识，xlsread会填充NaN，处理方式统一为读取完成后，用fillmissing函数批量补全缺失数据，即可恢复完整数据矩阵。

• 纯数值矩阵数据：优先xlsread，读取速度快，数据格式简洁
• 带表头、分类、文本数据：优先readtable，结构化程度高，后续处理便捷
• 超大文件、新版Excel格式：仅推荐readtable，兼容性和效率最优

数据读取后的快速核验方法，读取完成后输入size(T)即可查看数据行列维度，输入head(T)可预览前几行数据，能快速判断是否读取完整、是否存在数据缺失，无需逐行核对表格内容。