gpt4 book ai didi

matlab - 根据给定位置选择矩阵的条目

转载 作者:太空宇宙 更新时间:2023-11-03 20:10:07 24 4
gpt4 key购买 nike

我有以下矩阵(MxN,其中 M ≤ N):

0.8147    0.9134    0.2785    0.9649
0.9058 0.6324 0.5469 0.1576
0.1270 0.0975 0.9575 0.9706

从每一行中,我想分别选择以下列条目(每行一个):

idx = [ 3  1  4 ];

这意味着我们保留 (1,3)、(2,1) 和 (3,4) 中的元素,数组的其余部分应该为零。

对于上面的例子,我会得到以下输出:

     0         0    0.2785         0
0.9058 0 0 0
0 0 0 0.9706

我目前使用循环生成它,当矩阵大小较大时,它会变慢。

谁能推荐一种更高效的方法?

最佳答案

其他答案/评论中有一些关于性能的讨论。在这种情况下,一个简单的(构造良好的)for 循环可以很好地完成工作,对性能基本上没有影响

% For some original matrix 'm', and column indexing array 'idx':
x = zeros( size(m) ); % Initialise output of zeros
for ii = 1:numel(idx) % Loop over indices
% Assign the value at the column index for this row
x( ii, idx(ii) ) = m( ii, idx(ii) );
end

此代码可读性强且快速。为了证明“快速”的合理性,我为所有 4 个当前答案的方法编写了以下基准测试代码,在 MATLAB R2017b 上运行。这是输出图。

  • 对于“小”矩阵,最多 2^5 列和 2^4 行:

    small mats

  • 对于“大”矩阵,最多 2^15 列和 2^14 行(使用和不使用 bsxfun 解决方案的同一图,因为它会破坏缩放比例):

    large mats with bsxfun

    large mats

第一个情节可能有点误导。虽然一致的结果(性能排名慢-快是 bsxfun 然后是 sub2ind 然后是手动索引然后循环),y 轴是 10^(-5) 秒,所以您使用哪种方法基本上无关紧要!

第二个图表明,对于大型矩阵,这些方法基本上是等效的,除了 bsxfun 很糟糕(此处未显示,但它需要更多内存)。

我会选择更清晰的循环,它可以让您更加灵活,并且 2 年后您会清楚地记得它在您的代码中做了什么。


基准代码:

function benchie() 
K = 5; % Max loop variable
T = zeros( K, 4 ); % Timing results
for k = 1:K
M = 2^(k-1); N = 2^k; % size of matrix
m = rand( M, N ); % random matrix
idx = randperm( N, M ); % column indices

% Define anonymous functions with no inputs for timeit, and run
f1 = @() f_sub2ind( m, idx ); T(k,1) = timeit(f1);
f2 = @() f_linear( m, idx ); T(k,2) = timeit(f2);
f3 = @() f_loop( m, idx ); T(k,3) = timeit(f3);
f4 = @() f_bsxfun( m, idx ); T(k,4) = timeit(f4);
end
% Plot results
plot( (1:K)', T, 'linewidth', 2 );
legend( {'sub2ind', 'linear', 'loop', 'bsxfun'} );
xlabel( 'k, where matrix had 2^{(k-1)} rows and 2^k columns' );
ylabel( 'function time (s)' )
end

function f_sub2ind( m, idx )
% Using the in-built sub2ind to generate linear indices, then indexing
lin_idx = sub2ind( size(m), 1:numel(idx), idx );
x = zeros( size(m) );
x( lin_idx ) = m( lin_idx );
end
function f_linear( m, idx )
% Manually calculating linear indices, then indexing
lin_idx = (1:numel(idx)) + (idx-1)*size(m,1);
x = zeros( size(m) );
x( lin_idx ) = m( lin_idx );
end
function f_loop( m, idx )
% Directly indexing in a simple loop
x = zeros( size(m) );
for ii = 1:numel(idx)
x( ii, idx(ii) ) = m( ii, idx(ii) );
end
end
function f_bsxfun( m, idx )
% Using bsxfun to create a logical matrix of desired elements, then masking
% Since R2016b, can use 'x = ( (1:size(m,2)) == idx(:) ) .* m;'
x = bsxfun(@eq, 1:size(m,2), idx(:)).*m;
end

关于matlab - 根据给定位置选择矩阵的条目,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51605093/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com