Arrays 从范畴数组透视到二进制矩阵

我有一个数组，其中的一些值属于一个集合。我想在一个二进制矩阵中转换这个数组，这个矩阵的每一列将代表集合中的每一个可能值，行值对于匹配输入数组的列是1，或者对于所有其他列是0。我认为这是一个类似于二进制轴心的名字

输入数组是表类型的列

输入数组示例（前面的示例仅为大写字母，这导致误解）：

“苹果”
“香蕉”
“樱桃”
“龙果”
“苹果”
“樱桃”

因此，在这个示例中，输入可以假设4个不同的值：“苹果”、“香蕉”、“樱桃”或“龙果”，在我的真实场景中，它可以超过4个。

输出矩阵示例：

1 0 0 0
01 0 0
01 0
01
1 0 0 0
01 0

我已经实现了预期的行为，但我想知道是否有更好的方法来执行此操作。以矢量化方式（每个类别不使用for循环）或使用内置函数

 function [ binMatrix, categs ] = pivotToBinaryMatrix( input )
      categorizedInput = categorical(input);

      categs = categories(categorizedInput);

      binMatrix = zeros(size(atributo, 1), size(categorias, 1));

      for i = 1: size(caters,1)
           binMatrix(:,i) = ismember(categorizedInput, categs(i));
      end
 end

在0.075137秒的时间内完成了9个类别的大约50000个条目

---

编辑：我改进了示例，因为前面的示例导致了误解。

我假设您的输入数组是一个由字符组成的单元格数组，如下所示：

inputArray = {'Apple', 'Banana', 'Cherry', 'Dragonfruit', 'Apple', 'Cherry'};

您可以使用函数的第三个输出将上述内容转换为数字数组。这一点的好处在于，

unique

按排序的顺序分配一个唯一的ID，因此，如果您有一个字符的单元格数组，它将遵循字符的字典顺序

接下来，声明一个由零组成的矩阵（就像上面所做的那样），然后使用索引到矩阵中，并将值设置为1

像这样的。请记住，我初始化的输出略有不同。这是我学会的分配一个非常快的零矩阵的技巧。请看这里：

另一种方法是创建一个逻辑数组，在该数组中，我们将正确的行和列位置设置为1，然后使用它索引到零数组中，并相应地设置值

比如：

inputArray = {'Apple', 'Banana', 'Cherry', 'Dragonfruit', 'Apple', 'Cherry'};
[~,~,inputNum] = unique(inputArray);
inputNum = inputNum.'; %// To make compatible in dimensions
binMatrix = sparse(1:numel(inputArray), inputNum, 1, numel(inputArray), max(inputNum));
binMatrix = full(binMatrix);

让我们把这些放在一个计时脚本中。我已经结合了上面两种方法，再加上你的旧方法，再加上Divakar的（只有第一种方法）和brodroll的（非常巧妙的btw）方法。对于Divakar和brodroll的方法，我还使用了

unique

和第三个输出，因为您最初的查询使用了大写字母，这与所有查询一样混淆。使用第三个输出可以轻松地将以前的方法转换为新的规范

顺便说一句，您的示例和代码不匹配。您的示例将其设置为使每列都是索引，但它是每行。对于计时测试，我将转置您的结果。我正在Mac OS X 10.10.3上运行MATLAB R2013a，使用16 GB RAM和Intel i7 2.3 GHz处理器。因此：

clear all;
close all;

%// Generate dictionary
chars = {'Apple', 'Banana', 'Cherry', 'Dragonfruit'};

rng(123);

%// Generate 50000 random words
v = randi(numel(chars), 50000, 1);
inputArray = chars(v);
[~,~,inputNum] = unique(inputArray);
inputNum = inputNum.'; %// To make compatible in dimensions

%// Timing #1 - sub2ind
tic;
binMatrix(numel(inputArray), max(inputNum)) = 0;
binMatrix(sub2ind(size(binMatrix), 1:numel(inputArray), inputNum)) = 1;
t = toc;

clear binMatrix;

%// Timing #2 - sparse
tic;
binMatrix = sparse(1:numel(inputArray), inputNum, 1, numel(inputArray), max(inputNum));
binMatrix = full(binMatrix);
t2 = toc;

clear binMatrix;

%// Timing #3 - ismember and for
tic;
binMatrix = zeros(numel(inputArray), numel(chars));
for i = 1: size(binMatrix,1)
binMatrix(i,:) = ismember(chars, inputArray(i));
end
t3 = toc;

%// Timing #4 - bsxfun
clear binMatrix;
tic;
binMatrix = bsxfun(@eq,inputNum',unique(inputNum)); %// Changed to make dimensions match
t4 = toc;

clear binMatrix;

%// Timing #5 - raw sub2ind
tic;
binMatrix(numel(inputArray), max(inputNum)) = 0;
binMatrix( (inputNum-1)*size(binMatrix,1) + [1:numel(inputArray)] ) = 1;
t5 = toc;

fprintf('Timing using sub2ind: %f seconds\n', t);
fprintf('Timing using sparse: %f seconds\n', t2);
fprintf('Timing using ismember and loop: %f seconds\n', t3);
fprintf('Timing using bsxfun: %f seconds\n', t4);
fprintf('Timing using raw sub2ind: %f seconds\n', t5);

我们得到：

Timing using sub2ind: 0.004223 seconds
Timing using sparse: 0.004252 seconds
Timing using ismember and loop: 2.771389 seconds
Timing using bsxfun: 0.020739 seconds
Timing using raw sub2ind: 0.000773 seconds

就级别而言：

原始

sub2ind

sub2ind

sparse

bsxfun

OP法

---

以下是我对这个问题的看法：

input = ['ABCDAB']';
binMatrix = bsxfun(@eq,input,unique(input)');

为了进行基准测试，我在Windows 7机器、4Gb RAM、Intel i7-2600 CPU 3.4 GHz上运行了它，借用了@rayryeng初始化代码：

% Generate dictionary from A up to I
ch = char(65 + (0:8));

rng(123);

% Generate 50000 random characters
v = randi(9, 50000, 1);
inputArray = ch(v);

time=0;
for ii=1:100
    tic;
    binMatrix = bsxfun(@eq,inputArray,unique(inputArray)');
    t = toc;
    time=time+t;
end
disp(time/100);

---

这给了我0.001203秒。有关方法的广泛比较，请参考@ryaryeng的答案。

如果您不介意在输入数组中有非连续字符的情况下使用全零列，例如

'ABEACF'

，其中

'D'

缺失，您可以使用此选项-

col_idx = inputArray - 'A' + 1;
binMatrix(numel(inputArray), max(col_idx) ) = 0;
binMatrix( (col_idx-1)*size(binMatrix,1) + [1:numel(inputArray)] ) = 1;

如果您确实关心这个问题，并且不希望出现全零列，那么可以使用它的修改版本-

[~,unq_pos,col_idx] = unique(inputArray,'stable');
binMatrix(numel(inputArray), numel(unq_pos)) = 0;
binMatrix( (col_idx-1)*size(binMatrix,1) + [1:numel(inputArray)].' ) = 1;

---

基本上，这两种方法都使用相同的黑客技术进行预分配，如中所列，也如中所列。除此之外，它还使用了原始版本的

sub2ind

@Divakar-哦，我知道。我一直在使用预分配黑客。我甚至不再使用零。如果您好奇的话，我添加了计时测试，还添加了使用

sparse

方法。看起来

sparse

稍微快一点。哈！有趣，可能是未来有用的知识@rayryeng感谢您的测试，特别是这次黑客攻击。必须付诸行动！使用了更多的黑客行为来摆脱

sub2ind

，并继续使用预分配黑客！希望，没关系！：）@rayryeng对于

v

，数据量更大，为

20000000

，我得到了这些值-。我跳过了ismember，因为计算时间太长了。我猜你的答案读得太多了。有一天我必须学会它；）做了一些运行时测试，似乎这是相当有效的，我可以想到，在使用它做得很好！！酷！你有没有试着像OP一样在50000长度的向量上使用它？这只在六元素向量上完成。@Divakar-做了定时测试<代码>bsxfun速度较慢。我会更新我的帖子。原始

sub2ind

wins！捕捉得好@rayryeng计时仅针对六元素阵列完成。我会尽快编辑，以免误导！我们帮了什么忙？考虑一下接受一个我们的答案。我已经编辑了我的帖子来回复你的编辑。它只需要一个非常小的编辑，但我们的方法仍然比你的快。要使用我们的任何方法，您只需调用

unique

，然后将第三个输出用于我们的任何算法。

[~,unq_pos,col_idx] = unique(inputArray,'stable');
binMatrix(numel(inputArray), numel(unq_pos)) = 0;
binMatrix( (col_idx-1)*size(binMatrix,1) + [1:numel(inputArray)].' ) = 1;