时间戳

首页 > 解决方案 > 向量化矩阵的按列逻辑索引

arrays - 向量化矩阵的按列逻辑索引

问题描述

我正在 MATLAB 中对矩阵进行逐列逻辑索引。一个例子是：

tic

N = 5*10^6;
input = randi(100,N,12);
output = zeros(N,1);

d_sn2 = randi(25,N,12);
d_sd2 = randi(25,N,12);

LL1 = randi(8,N,12);
UL1 = randi([12,20],N,12);

LL2 = randi(8,N,12);
UL2 = randi([12,20],N,12);

for p = 1:N
    temp = zeros(12,12);
    for i = 1:12
        I2 = (d_sn2(:,i)>LL1(p,i) & d_sn2(:,i)<UL1(p,i)) & (d_sd2(:,i)>LL2(p,i) & d_sd2(:,i)<UL2(p,i));
        temp(i,:) = mean(input(I2,:));
    end
    output(p) = max(temp(:));
end

toc

我想知道我是否可以将此操作矢量化或更快？

标签： arraysmatlabmatrixindexing

解决方案

I2内循环中的计算可以很容易地向量化。这个：

temp = zeros(12,12);
for i = 1:12
   I2 = (d_sn2(:,i)>LL1(p,i) & d_sn2(:,i)<UL1(p,i)) & (d_sd2(:,i)>LL2(p,i) & d_sd2(:,i)<UL2(p,i));
   temp(i,:) = mean(input(I2,:));
end

与此相同：

I2 = d_sn2>LL1(p,:) & d_sn2<UL1(p,:) & d_sd2>LL2(p,:) & d_sd2<UL2(p,:);
temp = zeros(12,12);
for i = 1:12
   temp(i,:) = mean(input(I2(:,i),:));
end

此代码使用隐式单例扩展，如果您有 R2016b 之前的 MATLAB 版本，则需要使用:等编写每个>( gt) 和<( lt) 调用。bsxfunbsxfun(@gt,d_sn2,LL1(p,:))

不幸的是，索引到input向量化要困难得多。因为每次迭代都会访问i不同数量的元素input，所以没有简单的方法可以创建temp没有循环的矩阵。我尝试的几种方法都比循环代码慢得多。

如果您使用的是相当新版本的 MATLAB，那么您的代码将非常高效。MATLAB 的解释器使用 JIT（即时编译器）使循环不像以前那么慢。例如，将矩阵的所有元素相加的普通循环仅比使用函数慢 2-3 倍sum。回到过去，这曾经可能慢 100 倍。所以矢量化的好处和以前不一样了。再加上您正在使用的非常大的数组，这意味着向量化将是一种悲观化，因为向量化通常意味着创建更大的中间矩阵。

推荐阅读