Arrays Matlab:基于索引的矩阵值矢量化赋值
如果此问题重复,或者此问题的解决方案在Matlab中非常简单,请提前道歉。我有一个M x N矩阵Arrays Matlab:基于索引的矩阵值矢量化赋值,arrays,matlab,matrix,vectorization,Arrays,Matlab,Matrix,Vectorization,如果此问题重复,或者此问题的解决方案在Matlab中非常简单,请提前道歉。我有一个M x N矩阵a,一个1 x M向量ind,还有另一个向量val。比如说, A = zeros(6,5); ind = [3 4 2 4 2 3]; val = [1 2 3]; 我想将以下代码矢量化: for i = 1 : size(A,1) A(i, ind(i)-1 : ind(i)+1) = val; end >> A A = 0 1 2 3
a
,一个1 x M向量ind
,还有另一个向量val
。比如说,
A = zeros(6,5);
ind = [3 4 2 4 2 3];
val = [1 2 3];
我想将以下代码矢量化:
for i = 1 : size(A,1)
A(i, ind(i)-1 : ind(i)+1) = val;
end
>> A
A =
0 1 2 3 0
0 0 1 2 3
1 2 3 0 0
0 0 1 2 3
1 2 3 0 0
0 1 2 3 0
也就是说,对于
A
的第i行,我想在某个位置插入向量val
,如ind
的第i项所示。在没有for循环的情况下,在Matlab中实现这一点的最佳方法是什么?可以使用的掩蔽功能来实现:构建一个掩蔽,告诉值将放置在何处,然后将这些值填入。在这样做的过程中,更容易使用列而不是行(因为Matlab的列主顺序),并在末尾转置
下面的代码确定最终A
中最小列数,以便所有值都适合指定位置
您的示例对ind
应用了位移-1
。该代码包括一个可修改的通用置换
%// Data
ind = [3 4 2 4 2 3]; %// indices
val = [1 2 3]; %// values
d = -1; %// displacement for indices. -1 in your example
%// Let's go
n = numel(val);
m = numel(ind);
N = max(ind-1) + n + d; %// number of rows in A (rows before transposition)
mask = bsxfun(@ge, (1:N).', ind+d) & bsxfun(@le, (1:N).', ind+n-1+d); %// build mask
A = zeros(size(mask)); %/// define A with zeros
A(mask) = repmat(val(:), m, 1); %// fill in values as indicated by mask
A = A.'; %// transpose
以您的示例为例:
A =
0 1 2 3 0
0 0 1 2 3
1 2 3 0 0
0 0 1 2 3
1 2 3 0 0
0 1 2 3 0
结果d=0
(无位移):
如果你能控制一点过量,这里有一个带有
bsxfun
添加功能的-
样本运行-
>> ind
ind =
3 4 2 4 2 3
>> val
val =
1 2 3
>> A = zeros(6,5);
>> N = numel(ind);
>> A(bsxfun(@plus,N*[-1:1]',(ind-1)*N + [1:N])) = repmat(val(:),1,N)
A =
0 1 2 3 0
0 0 1 2 3
1 2 3 0 0
0 0 1 2 3
1 2 3 0 0
0 1 2 3 0
哈哈!我偷了你的答案!:-)@路易斯门多我怕我偷了你的东西!几天前,它完全脱离了主题,让我思考,我从来没有想过
bsxfun
会出现在一篇元帖子中,但你最近发表了一篇关于10-M问题的帖子,让我想到了这一点,所以也谢谢你!)顺便说一句,我喜欢这个术语屏蔽能力
,它听起来像是bsxfun有一种超级能力,从某种程度上说这是真的!)这是你的术语,是你创造的!是的,bsxfun
应该得到一个元帖子,你也是这样做的!:-D
N = numel(ind);
A(bsxfun(@plus,N*[-1:1]',(ind-1)*N + [1:N])) = repmat(val(:),1,N)
>> ind
ind =
3 4 2 4 2 3
>> val
val =
1 2 3
>> A = zeros(6,5);
>> N = numel(ind);
>> A(bsxfun(@plus,N*[-1:1]',(ind-1)*N + [1:N])) = repmat(val(:),1,N)
A =
0 1 2 3 0
0 0 1 2 3
1 2 3 0 0
0 0 1 2 3
1 2 3 0 0
0 1 2 3 0