在matlab中，在公差范围内，在长度不等的向量中查找相似元素

我有两个长度不等的列向量，

calib

（75个元素）和

nu

（1436个元素）。我需要在

nu

中找到与

calib

中的元素匹配到0.001公差范围内的元素，然后对结果向量执行操作。所有元素都是数字而不是字符串

我原以为intersect是一条路，但我看不到引入公差的方法。另外，使用带有绝对差分语句的for循环似乎也不起作用

---

任何帮助都将不胜感激。

您可以

对其中一个向量进行取整，以仅显示0.001精度，然后使用
ismember
。
或者只需使用FEX中的-Floating point ISMEMBER（即，具有舍入公差）。
您可以
舍入其中一个向量以仅显示0.001精度，然后使用
ISMEMBER
。
或者只使用FEX中的-Floating point ISMEMBER（即，具有舍入公差）。
我有另一种Matlabic（=矩阵）方法。我不知道这在计算效率上有多高，但Matlab应该擅长矩阵

我假设
size（nu）=[75,1]
和
size（calib）=[1436,1]
。第一步是制作两个大的1436x75矩阵（注意转置）：

然后，您可以制作另一个矩阵
1436x75
，即上述矩阵的绝对差值：

diff_m = abs(calib_m - nu_m)

现在在每列中找到最小的元素：

min_m = min(diff_m)

然后，您可以引入阈值并进行逻辑索引（应该很快）：

ok\u calib\u元素=校准（最小值<阈值）

PS：我这里没有Matlab，所以代码没有经过测试
我有另一种Matlabic（=矩阵）方法。我不知道这在计算效率上有多高，但Matlab应该擅长矩阵

我假设
size（nu）=[75,1]
和
size（calib）=[1436,1]
。第一步是制作两个大的1436x75矩阵（注意转置）：

然后，您可以制作另一个矩阵
1436x75
，即上述矩阵的绝对差值：

diff_m = abs(calib_m - nu_m)

现在在每列中找到最小的元素：

min_m = min(diff_m)

然后，您可以引入阈值并进行逻辑索引（应该很快）：

ok\u calib\u元素=校准（最小值<阈值）

PS：我这里没有Matlab，所以代码没有经过测试
谢谢你的帮助。矩阵数学让我找到了我需要去的地方。我不知道是否有更好的方法，但以下是我的代码：

% set tolerance for finding equal values in the data
find_tol = 1E-3; 

% make matrices of the data and clibration vectors
nu_m = repmat(nu',size(calib));
calib_m = repmat(calib,size(nu'));

% subtract the matrices
diff_m = calib_m - nu_m;

% find the minimum of each column within the tolerance and compute the
% average shift
find_min_nu = find(diff_m < find_tol & diff_m > -find_tol);
min_nu = diff_m(find_min_nu);
shift_nu = mean(min_nu);

% output calibrated values
calib_nu = nu + shift_nu;

%设置在数据中查找相等值的公差
发现_tol=1E-3；
%制作数据矩阵和校准向量
nu_m=repmat（nu'，尺寸（校准））；
calib_m=repmat（calib，size（nu'））；
%减去矩阵
diff_m=校准-nu_m；
%找出公差范围内每列的最小值并计算
%平均位移
find\u min\u nu=find（diff\u m-find\u tol）；
最小值=差异（查找最小值）；
偏移量=平均值（最小值）；
%输出校准值
校准\u nu=nu+shift\u nu；
谢谢你的帮助。矩阵数学让我找到了我需要去的地方。我不知道是否有更好的方法，但以下是我的代码：

% set tolerance for finding equal values in the data
find_tol = 1E-3; 

% make matrices of the data and clibration vectors
nu_m = repmat(nu',size(calib));
calib_m = repmat(calib,size(nu'));

% subtract the matrices
diff_m = calib_m - nu_m;

% find the minimum of each column within the tolerance and compute the
% average shift
find_min_nu = find(diff_m < find_tol & diff_m > -find_tol);
min_nu = diff_m(find_min_nu);
shift_nu = mean(min_nu);

% output calibrated values
calib_nu = nu + shift_nu;

%设置在数据中查找相等值的公差
发现_tol=1E-3；
%制作数据矩阵和校准向量
nu_m=repmat（nu'，尺寸（校准））；
calib_m=repmat（calib，size（nu'））；
%减去矩阵
diff_m=校准-nu_m；
%找出公差范围内每列的最小值并计算
%平均位移
find\u min\u nu=find（diff\u m-find\u tol）；
最小值=差异（查找最小值）；
偏移量=平均值（最小值）；
%输出校准值
校准\u nu=nu+shift\u nu；
检查我前面的问题，这可能会有所帮助：这是一个有趣的想法。我得试一下，再好好玩玩。看看我前面的问题，这可能会有帮助：这是一个有趣的想法。我得试一下，再玩玩一下。谢谢。最后我用了一个变体。很高兴能帮上忙。很高兴这是个好办法。将工作从Matlab切换到Python，有时我会错过Matlab优雅的无循环编码。谢谢。最后我用了一个变体。很高兴能帮上忙。很高兴这是个好办法。将工作从Matlab切换到Python，我有时会错过Matlab优雅的无循环编码。