Question

所以我有一个月回报矩阵，形式为1000x300。我想获取返回矩阵中每行的每12列的平均值，以给出年度回报，最终将产生1000x25矩阵。

我将如何在Matlab中执行此操作？

通过一些快速搜索，我相信我可以以某种方式使用重塑功能，但我无法弄清楚如何在我的代码循环中实现它。

到目前为止，这是我的尝试。

for i = 1:25
Strategy1.MeanReturn(:,i) = mean(Data.Return(:,i+1):Data.Return(:,i*12+1));
end

Fyi，+1就在那里，因为我忽略了矩阵的第一列。

但这导致我获得单一的NaN值。

Answer 1

试试这个：

B = zeros(1000,25);
A = rand(1000,300);
for i = 1:25    
    B(:,i) = mean(A(:,(i-1)*12+1:i*12),2); 
end

我只是通过构建一个和它来测试它并且它有效。

Answer 2

您可以沿3D阵列的第一维堆叠所需的子矩阵，然后沿该维度进行平均，并挤出生成的单个维度：

findNb n = n ^ 2 * (n + 1) ^ 2 / 4

Answer 3

循环并不总是很慢。实际上，Mathworks执行的测试表明，由于新的Execution Engine (JIT)

，循环速度提高了40％

所有测试的平均性能提升为40％。测试由使用一系列MATLAB产品的代码组成。虽然没有通过重新设计，所有应用程序运行得更快，其中大部分都是如此 R2015b的应用程序比R2015a快至少10％。

和

当MATLAB时，JIT编译的性能优势最大代码执行了额外的次数，可以重用已编译的代码。这种情况发生在常见情况下，例如for循环或应用程序在MATLAB会话中运行其他时间

三种解决方案的快速基准：

%% bushmills answer, saved as bushmills.m
function B = bushmills(A,N)
B = zeros(size(A,1),size(A,2)/N);
for i = 1:size(A,2)/N   
    B(:,i) = mean(A(:,(i-1)*12+1:i*12),2); 
end
end

A = rand(1000,300); N = 12;

%% Luis Mendo's answer:
lmendo = @(A,N) squeeze(mean(reshape(x.', N, size(x,2)/N, []))).';

%% Divakar's answer:
divakar = @(A,N) reshape(mean(reshape(A,size(A,1),N,[]),2),size(A,1),[]);

b = @() bushmills(A,N);
l = @() lmendo(A,N);
d = @() divakar(A,N);

sprintf('Bushmill: %d\nLuis Mendo: %d\nDivakar: %d', timeit(b), timeit(l), timeit(d))
ans =
Bushmill: 1.102774e-03
Luis Mendo: 1.611329e-03
Divakar: 1.888878e-04

sprintf('Relative to fastest approach:\nDivakar: %0.5f\nBushmill: %0.5f\nLuis Mendo: %0.5f', 1, tb/td, tl/td)
ans =
Relative to fastest approach:
Divakar: 1.00000
Bushmill: 5.34464
Luis Mendo: 10.73969

循环方法（使用预分配）比squeeze(mean(reshape(...)))解决方案快约40％。迪瓦卡的解决方案胜过一英里。

A和N的其他值可能会有所不同，但我还没有对所有值进行测试。

Answer 4

使用reshape is virtually zero cost的哲学，这是一种基本上只使用mean的方法：

% A is the input array of shape (1000,300)

N = 12; %// Group size
M = size(A,1);
out = reshape(mean(reshape(A,M,N,[]),2),M,[]);

看一下它对新的JIT！

的表现会很有趣

如何平均矩阵中每行的每n列？

4 个答案: