Question

这里有一个类似的问题，Element-wise array replication in Matlab，但我想稍微概括一下。简单的情况需要一个函数'replicate'，它将带一个vector，a，然后用N来复制每个元素。例如。

>> a = [1, 2, 3];
>> replicate(a, 3);
ans = 
  [1, 1, 1, 2, 2, 2, 3, 3, 3]
>>

上述链接中有许多解决方案很有帮助。然而，N发生的是每个元素的多重性向量？例如，我想要像：

>> a = [1, 2, 3];
>> N = [3, 1, 5];
>> replicate(a,N)
ans = 
  [1, 1, 1, 2, 3, 3, 3, 3, 3]
>>

不幸的是，我的MATLAB-index-fu并没有达到这个水平，我无法弄清楚如何在没有循环的情况下执行此操作，比如说N，然后使用repmat将a的每个元素平铺到一个大小[N（i），1]向量。例如。我循环遍历数组数据，然后使用multcol位置的多重性值重新匹配它。数据是MCMC中的步骤，每个步骤的多重性位于最后一列。

data=[-3.997 4.402 0.000 703.050 -219.900 289.600 2.000 5.700 -49.100 11.100 3;...
-2.476 2.685 0.000 667.800 -220.210 290.000 1.955 5.710 -48.828 11.116 3; ...
-4.658 0.286 0.000 626.370 -220.420 290.380 2.019 5.991 -49.015 11.1210 2];

multcol = 11;

%unwrap the data
in=1;
for i=1:size(data,1)
  data_uw(in:in+data(i,multcol)-1,:) = ...
    repmat(data(i,1:multcol-1),[data(i,multcol) 1]);
  in=in+data(i,multcol);
end

这有效，但相对较慢。最终结果data_uw是输入矩阵的每一行，数据，被复制多重列中的次数。

>> data_uw

data_uw =

Columns 1 through 7

-3.9970    4.4020         0  703.0500 -219.9000  289.6000    2.0000
-3.9970    4.4020         0  703.0500 -219.9000  289.6000    2.0000
-3.9970    4.4020         0  703.0500 -219.9000  289.6000    2.0000
-2.4760    2.6850         0  667.8000 -220.2100  290.0000    1.9550
-2.4760    2.6850         0  667.8000 -220.2100  290.0000    1.9550
-2.4760    2.6850         0  667.8000 -220.2100  290.0000    1.9550
-4.6580    0.2860         0  626.3700 -220.4200  290.3800    2.0190
-4.6580    0.2860         0  626.3700 -220.4200  290.3800    2.0190

Columns 8 through 10

  5.7000  -49.1000   11.1000
  5.7000  -49.1000   11.1000
  5.7000  -49.1000   11.1000
  5.7100  -48.8280   11.1160
  5.7100  -48.8280   11.1160
  5.7100  -48.8280   11.1160
  5.9910  -49.0150   11.1210
  5.9910  -49.0150   11.1210

有更好的方法吗？也许有一种方法可以在上面的链接中调整答案，但我没有得到它。

使用答案进行更新

我使用了http://www.mathworks.co.uk/matlabcentral/fileexchange/6436-rude-a-pedestrian-run-length-decoder-encoder处提供的实用程序粗鲁。

mult = data(:,multcol);
data = data(:,1:multcol-1);
iterations = sum(mult);

%preallocate the unwrapped data vector for speed
data_uw = zeros(iterations,multcol-1);
nstep = size(data,1);
ind = 1:nstep;
ind_uw = zeros(iterations,1);
ind_uw = rude(mult,ind);
data_uw = data(ind_uw,:);

这似乎要快得多。 Rude使用了另一个答案中提到的cumsum技术，因此也可以使用。

Answer 1

该算法是游程解码，我建议使用rude()。这是一个里程碑和编写得非常好的MATLAB代码。

>> rude(N,a)
ans =
     1     1     1     2     3     3     3     3     3

在您的情况下，问题应该是预分配（缺少）。预分配和重构代码：

% Pre-allocate
out = zeros(sum(data(:,end)),multcol-1);

for i = 1:size(data,1)
    n = data(i,multcol);
    out(in : in+n-1,:) = repmat(data(i,1:end-1),n,1);
    in = in+n;
end

Answer 2

简单的事情：

a = [1, 2, 3];
N = [3, 1, 5];

result = zeros(1,sum(N)); % mem alloc
k = 1;
for n = 1:numel(N)
        p = k+N(n)-1;
        result(1,k:p) = a(n);
        k = p+1;
end;

disp(result);

Answer 3

您可以将基于cumsum的索引用于此类事情：

A = [4 5 6];
N = [3 1 5];

cs=cumsum(N);
idx = zeros(1,cs(end));
idx(1+[0 cs(1:end-1)]) = 1; #%[1 0 0 1 1 0 0 0 0]
idx = cumsum(idx); #%[1 1 1 2 3 3 3 3 3]

B = A(idx); #%[4 4 4 5 6 6 6 6 6]

MATLAB中的通用元素数组复制（每个元素由可变大小复制）

3 个答案: