Matlab 向量的重复元素

我有一个值向量

a

，包含元素

I

，例如：

A=[0.10.20.30.40.5]
然后说
r=[5231]

现在，我想重新创建一个新的向量
，它包含
a
中
I
值的重复
r（I）
，这样新
中的第一个
r（1）=5个
项具有值
a（1）
，新向量的长度是
sum（r）
。因此：

重新=[0.10.10.10.1 0.1 0.1 0.2 0.2 0.3 0.3 0.4 0.4 0.5]

我确信这可以通过精心设计的
for
-循环组合来实现，例如
repmat
，但有人知道如何以更平滑的方式实现吗？
据我所知，在MATLAB中没有等效的函数来实现，尽管
R
可以为您实现这一点。。。。太嫉妒了

在任何情况下，我建议的唯一方法是按照您的建议，使用
repmat
运行
for
循环。但是，如果您想将此作为一行程序来执行，您可能可以这样做。。。从技术上讲，需要两个步骤来完成后处理，才能将其转化为一个向量。因此，您可以尝试以下方法：

Anew = arrayfun(@(x) repmat(A(x), r(x), 1), 1:numel(A), 'uni', 0);
Anew = vertcat(Anew{:});

这实质上是用较少的代码对复制向量进行
循环和串联。我们遍历
A
和
r
中的每对值，并吐出复制向量。它们中的每一个都将在一个单元数组中，这就是为什么需要将它们全部放入一个向量中

我们得到：

Anew =

    0.1000
    0.1000
    0.1000
    0.1000
    0.1000
    0.2000
    0.2000
    0.3000
    0.3000
    0.3000
    0.4000
    0.4000
    0.5000

请注意，其他人也尝试过类似于您在本文中所做的事情：。这实际上是模仿
R
的
rep
方式，这就是您想要做的


备选方案-对
循环使用

由于@Divakar的基准测试，我很好奇如何预先分配数组，然后使用实际的
for
循环来迭代
A
和
r
，并通过索引来填充它。因此，使用
进行
循环和索引的上述等效代码为：

Anew = zeros(sum(r), 1);
counter = 1;
for idx = 1 : numel(r)
    Anew(counter : counter + r(idx) - 1) = A(idx);
    counter = counter + r(idx);
end

我们需要一个变量来跟踪需要在数组中插入元素的位置，该变量存储在
计数器中。我们用每个数字要复制的元素总数来抵消这一点，这些元素存储在
r
的每个值中

因此，此方法完全避免使用
repmat
，而只是使用索引来生成复制向量


基准测试（Divakar）
在Divakar的基准测试代码的基础上，我实际上尝试在我的机器上运行所有测试，除了
for
循环方法。我只是在相同的测试用例中使用了他的基准测试代码

以下是我根据算法得到的计时结果：

案例1-
N=4000
，
max\u repeat=4000
案例2-
N=10000
，
max\u repeat=1000
在这些情况下，
cumsum
实际上击败了
arrayfun
。。。这是我最初的期望
bsxfun
击败了所有人，除了
for
循环。我的猜测是，由于我和Divakar在
arrayfun
中的时间不同，我们在不同的体系结构上运行代码。我目前正在Mac OS X 10.9.5 MacBook Pro机器上使用MATLAB R2013a运行测试

正如我们所看到的，
for
循环要快得多。我知道一个事实，当涉及到
for
循环中的索引操作时，JIT会起作用并提供更好的性能。
首先考虑形成一个索引向量
[1 1 1 2 3 3 4 4 5]
。注意到这里的规则增量让我想到了cumsum：我们可以通过将一个放在零向量的正确位置来获得这些步骤：
[1 0 0 0 1 0 1 0 1 1]
。我们可以在输入列表上运行另一个
cumsum
。调整结束条件和基于1的索引后，我们得到以下结果：

B(cumsum(r) + 1) = 1;
idx = cumsum(B) + 1;
idx(end) = [];
A(idx)

基于bsxfun的方法-

A = [0.1 0.2 0.3 0.4 0.5]
r = [5 2 3 2 1]

repeats = bsxfun(@le,[1:max(r)]',r) %//' logical 2D array with ones in each column 
                                    %// same as the repeats for each entry
A1 = A(ones(1,max(r)),:) %// 2D matrix of all entries repeated maximum r times
                         %// and this resembles your repmat 
out = A1(repeats) %// desired output with repeated entries

它基本上可以变成一艘两艘班轮-

A1 = A(ones(1,max(r)),:);
out = A1(bsxfun(@le,[1:max(r)]',r));

输出-

out =
    0.1000
    0.1000
    0.1000
    0.1000
    0.1000
    0.2000
    0.2000
    0.3000
    0.3000
    0.3000
    0.4000
    0.4000
    0.5000


标杆管理
到目前为止，可以为这里介绍的解决方案生成一些基准结果

基准测试代码-案例I

%// Parameters and input data
N = 4000;
max_repeat = 4000;
A = rand(1,N);
r = randi(max_repeat,1,N);
num_runs = 10; %// no. of times each solution is repeated for better benchmarking

disp('-------------------  With arrayfun')
tic
for k1 = 1:num_runs
    Anew = arrayfun(@(x) repmat(A(x), r(x), 1), 1:numel(A), 'uni', 0);
    Anew = vertcat(Anew{:});
end
toc, clear Anew

disp('-------------------  With cumsum')
tic
for k1 = 1:num_runs
    B(cumsum(r) + 1) = 1;
    idx = cumsum(B) + 1;
    idx(end) = [];
    out1 = A(idx);
end
toc,clear B idx out1

disp('-------------------  With bsxfun')
tic
for k1 = 1:num_runs
    A1 = A(ones(1,max(r)),:);
    out2 = A1(bsxfun(@le,[1:max(r)]',r));
end
toc

结果

-------------------  With arrayfun
Elapsed time is 2.198521 seconds.
-------------------  With cumsum
Elapsed time is 5.360725 seconds.
-------------------  With bsxfun
Elapsed time is 2.896414 seconds.

-------------------  With arrayfun
Elapsed time is 2.641980 seconds.
-------------------  With cumsum
Elapsed time is 3.426921 seconds.
-------------------  With bsxfun
Elapsed time is 1.858007 seconds.

基准测试代码-案例二[数据量较大，但r的最大值较小]

%// Parameters and input data
N = 10000;
max_repeat = 1000;

结果

-------------------  With arrayfun
Elapsed time is 2.198521 seconds.
-------------------  With cumsum
Elapsed time is 5.360725 seconds.
-------------------  With bsxfun
Elapsed time is 2.896414 seconds.

-------------------  With arrayfun
Elapsed time is 2.641980 seconds.
-------------------  With cumsum
Elapsed time is 3.426921 seconds.
-------------------  With bsxfun
Elapsed time is 1.858007 seconds.

基准得出的结论
对于
案例一
，
阵列风
似乎是一条出路，而对于
案例二
，
bsxfun
可能是首选武器。因此，您正在处理的数据类型似乎决定了使用哪种方法。
+1为了快速、准确地实现，您可以将其转换为一行：
cell2mat（arrayfun（@（n）repmat（a（n），[1 r（n）]），1:numel（r），'uniformoutput'，0））
如果我有一些繁重的工作，我会把它发送给您的！；）啊，我是说责任吗！！？：D@Divakar-哈哈，这是我至少能做的：）你已经帮了我很多忙了。我的MacBook上的GPU没有我家里的机器强大。。。。但那个只有8GB的内存。可能是时候升级了。感谢所有非常有用的建议和基准测试，我想我会选择
for
循环，但我确实需要了解我的RAM，尽管16GB必须足够了！：）这一定很快+1像往常一样做好基准测试工作！我投你一票already@LuisMendo谢谢我并不是真的在为bsxfun担保，但是哇！实际上，我认为带有二进制相关函数句柄的
bsxfun
非常便宜。也忘了给你投票了+1.基准测试方面的出色工作。在选择使用哪种方法之前，您必须了解
r
的结构，这很酷。