Question

我有一组大的（4000个值）未分类的，正常分布的点。我将这些数据点中的每一个都放入限制在BinLimit数组中的容器中。然后我将每个bin中的值数量列表。

X是原始数据的数组，N是数据点的数量。所需的箱数（TotalBins）由用户指定。

方法＃1

for i=1:TotalBins
    Freq(i) = length(find(X >= BinLimit(j) & X <= BinLimit(j+1)));
    j = j + 1;
end

方法＃2：

sort(X);

for i=1:N
    if (X(i) >= BinLimit(j) && X(i) <= BinLimit(j+1))
        Freq(j) = freq(j) + 1;
    elseif (j < TotalBins)
        Freq(j+1) = freq(j+1) + 1;
        j = j + 1;
    end
end

现在，我知道第一个解决方案速度较慢 - 对于总Bins（25-50）的正常值，它慢了大约8倍但是我想知道是否有比我正在做的更快，更有效的解决方案方法＃2。

Answer 1

使用histc。

N = HISTC（X，EDGES），对于向量X，   计算X中的值的数量   介于EDGES中的元素之间   矢量（必须包含   单调非递减值）。   N是含有的LENGTH（EDGES）载体   这些都很重要

N（k）将计算   值X（i）如果EDGES（k）＆lt; = X（i）＆lt;   边缘（K + 1）。最后一个垃圾箱将计数   与EDGES匹配的任何X值（结束）。   EDGES中值之外的值是   不计算在内。使用-inf和inf in   EDGES包括所有非NaN值。

E.g。

BinLimit = sort(rand(50,1));
X = rand(4000,1);
Freq = histc(X,BinLimit);

为了好玩：

%%# Generating data
X = rand(1000000,1);
BinLimit = sort(rand(50,1));

%%# OP's method
disp('Method #1');
disp('=========');
tic;
j =1;
TotalBins = numel(BinLimit)-1;
for i=1:TotalBins
    Freq(i) = length(find(X >= BinLimit(j) & X <= BinLimit(j+1)));
    j = j + 1;
end
toc

%%# histc
disp('histc');
disp('=====');
tic;
histc(X,BinLimit);
toc

%%# My method
disp('Alternative');
disp('===========');
tic;
TotalBins = numel(BinLimit)-1;
Freq = zeros(TotalBins,1);
for i = 1:TotalBins
    Freq(i) = sum(X >= BinLimit(i) & X <= BinLimit(i+1));
end
toc

经过几次热身后：

Method #1
=========
Elapsed time is 0.803120 seconds.
histc
=====
Elapsed time is 0.030633 seconds.
Alternative
===========
Elapsed time is 0.704808 seconds.

Answer 2

除了使用HISTC之外，这里还有一个矢量化的单行解决方案：

X = randn(4000,1);                %# column vector
BinLimits = linspace(-4,4,10);    %# row vector

Freq = sum( bsxfun(@ge, X, BinLimits(1:end-1)) & bsxfun(@le, X, BinLimits(2:end)) )

请注意，它不是 space - 因为它创建了一个大小的矩阵： length(X) by length(BinLimits)-1

Answer 3

我认为在检查X是否属于bin时可能会出错。对于落在BinLimits上的X值，您可能会获得多个容器。

X >= BinLimit(j) & X <= BinLimit(j+1)

无论如何，既然你要求一个循环解决方案，那么这个方法比你的方法2表现更好。

j=1;
i=1;
while i<=N
    while i<=N && X(i)<=BinLimit(j+1)
        i=i+1;
    end
    Freq(j) = i-1;
    j = j+1;
end
Freq=diff([0 Freq]);

它需要对X进行排序，就像在代码中一样。下面是排序X数组讨论的所有方法的时间（histc对于排序X也更快，因此这是一个公平的比较）：

Sort
===========
Elapsed time is 0.019205 seconds.
Method #1
=========
Elapsed time is 0.209979 seconds.
histc
=====
Elapsed time is 0.009595 seconds.
Alternative
===========
Elapsed time is 0.228400 seconds.
Method 2
===========
Elapsed time is 0.025400 seconds.
my method
===========
Elapsed time is 0.011920 seconds.
bsxfun by Amro
===========
Elapsed time is 0.179937 seconds.

如您所见，此循环结构的表现几乎与histc一样（25％更差）。

那是针对排序的X（排序时间也在上面的结果中给出）。这是未排序数组的histc结果（与上面相同的X，随机置换排列）

histc
=====
Elapsed time is 0.030367 seconds.

如您所见，对排序数组进行排序和histc的时间与在未排序数组上运行histc类似。

find（）与for循环的性能

3 个答案:

为了好玩：