命令A（~A）在matlab中真正做了什么

Question

我希望找到找到矩阵非零最小值的最有效方法，并在论坛上找到：

让数据为矩阵A。

A(~A) = nan;
minNonZero = min(A);

这是非常简短和有效的（至少在代码行数量上），但我不明白当我们这样做时会发生什么。我找不到任何关于此的文档，因为它不是operation，+，-等矩阵上的\，而是......。

有人可以解释我或给我一个链接或某些东西，可以帮助我理解做了什么？ 谢谢 ！

Answer 1

它使用logical indexing

Matlab中的

~是非运算符。在双数组上使用时，它会查找所有等于零的元素。 e.g：

~[0 3 4 0]

逻辑矩阵中的结果

[1 0 0 1]

即。这是查找所有零元素的快捷方法

因此，如果A = [0 3 4 0]，则~A = [1 0 0 1]，现在A(~A) = A([1 0 0 1])。 A([1 0 0 1])使用逻辑索引仅影响true的元素，因此在本例中为元素1和元素4。

最后A(~A) = NaN将替换A中所有等于0的{​​{1}} NaN min忽略的元素，从而找到最小的非零元素。< / p>

Answer 2

您提供的代码：

A(~A) = NaN;
minNonZero = min(A);

以下内容：

1. 创建逻辑索引
2. 在A
上应用逻辑索引
3. 通过分配NaN值
来更改A.
4. 获取所有值的最小值，但不包括NaN值

请注意，这会让您更改A，这可能是不可取的。但更重要的是，当你花时间改变A时，这会产生一些效率低下的问题，甚至可能因为你得到的矩阵最小。 因此，您可以通过执行以下操作来加快速度（甚至减少一行）：

 minNonZero = min(A(logical(A)))

基本上你现在已经跳过了第3步，可能还是第4步。

此外，您似乎通过以下方式获得了额外的小加速：

 minNonZero = min(A(A~=0))

我没有任何充分的理由，但现在看来第1步现在更有效率了。