在matlab中用一定值初始化矩阵_Matlab_Matrix_Initialization

在matlab中用一定值初始化矩阵

matlab matrix

在matlab中用一定值初始化矩阵,matlab,matrix,initialization,Matlab,Matrix,Initialization,我有一个100x100的矩阵A。现在我有另一个向量Z=（1,24,5,80…），它有100个元素。它是一个包含100个元素的列向量。现在对于矩阵A的每一行，我希望它的A（I，j）元素是1，其中I是1:100的行，j是Z给出的列所以应该是1的元素应该是 1,1 2,24 3,5 4,80 等等我知道我可以用循环来做。但是有没有一种简单直接的方法，我指的是一条直线？一种方法是使用将Z中的值转换为a中的绝对索引，然后使用向量索引： idx = sub2ind(size(A), 1:numel(Z

我有一个100x100的矩阵A。现在我有另一个向量Z=（1,24,5,80…），它有100个元素。它是一个包含100个元素的列向量。现在对于矩阵A的每一行，我希望它的A（I，j）元素是1，其中I是1:100的行，j是Z给出的列

所以应该是1的元素应该是 1,1 2,24 3,5 4,80 等等

我知道我可以用循环来做。但是有没有一种简单直接的方法，我指的是一条直线？

一种方法是使用将

中的值转换为

中的绝对索引，然后使用向量索引：

idx = sub2ind(size(A), 1:numel(Z), Z);
A(idx) = 1;

或者简单地在一行中：

A(sub2ind(size(A), 1:numel(Z), Z)) = 1;

一种方法是使用将

中的值转换为

中的绝对索引，然后使用向量索引：

idx = sub2ind(size(A), 1:numel(Z), Z);
A(idx) = 1;

或者简单地在一行中：

A(sub2ind(size(A), 1:numel(Z), Z)) = 1;

在10000个元素中有100个非零元素的矩阵（因此只有1%的非零元素）最好存储为稀疏矩阵。利用matlab的功能

A = sparse(1:100,Z,1,100,100);

这是一个很好的、干净的线性矩阵，它的结果是矩阵比完整矩阵的存储效率更高。它仍然可以用于矩阵乘法，并且在这方面也会更有效。例如

Z = randperm(100);
A = sparse(1:100,Z,1,100,100);

whos A

  Name        Size             Bytes  Class     Attributes
  A         100x100             2408  double    sparse

这将内存减少近40到1。而且，虽然矩阵实际上很小，但将其用作稀疏矩阵的速度更快

B = rand(100);
timeit(@() B*A)
ans =
   4.5717e-05

Af = full(A);
timeit(@() B*Af)
ans =
   7.4452e-05

如果A是1000x1000，节省的成本将更大

如果您的目标是完整矩阵，则可以使用full将其转换为完整矩阵，或者accumarray是一个选项。如果要在现有数组中插入值，请使用sub2ind。

在10000个元素中有100个非零元素（因此总共只有1%非零元素）的矩阵最好存储为稀疏矩阵。利用matlab的功能

A = sparse(1:100,Z,1,100,100);

这是一个很好的、干净的线性矩阵，它的结果是矩阵比完整矩阵的存储效率更高。它仍然可以用于矩阵乘法，并且在这方面也会更有效。例如

Z = randperm(100);
A = sparse(1:100,Z,1,100,100);

whos A

  Name        Size             Bytes  Class     Attributes
  A         100x100             2408  double    sparse

这将内存减少近40到1。而且，虽然矩阵实际上很小，但将其用作稀疏矩阵的速度更快

B = rand(100);
timeit(@() B*A)
ans =
   4.5717e-05

Af = full(A);
timeit(@() B*Af)
ans =
   7.4452e-05

如果A是1000x1000，节省的成本将更大

如果您的目标是完整矩阵，则可以使用full将其转换为完整矩阵，或者accumarray是一个选项。如果您想在现有数组中插入值，则使用sub2ind。

+1因为它更简单、更快，所以我想现在删除我的答案：p+1：忘记

稀疏

。编辑：但令人惊讶的是，我对1000x1000矩阵的

sub2ind

与

full（sparse（…）

进行了计时，并且

sub2ind

的速度几乎快了20倍。你能解释一下吗？同时，对我来说，

sub2ind

的速度要慢5倍。您是否考虑了

的创建，即：

A=0（numel（Z））

？这是需要的，否则索引到它是没有用的。@GuntherStruyf我没有。好的，现在

sub2ind

的数量级大致相同（~95%），但仍然比

full（sparse（…）

快。我遗漏了什么？顺便说一下，我注意到这个解决方案正在强制未包含在

中的元素为零。这不是问题所要求的，可能会错过OP的目标。可能只是OP想要将

中的某些元素设置为1，而其余元素保持不变。+1因为更简单、更快，我想我现在将删除我的答案：p+1：忘记

sparse