Matlab 关于阵列的形状不可知切片

在这篇文章中，我使用术语slice来指n维数组

a

的子数组

bii

，这样

size（bii，d）

对于某些维度

d

是1

A

由

size（A，d）

这样的切片组成，沿维度

d

连接

例如，如果

ndims（A）

为6，而

d

为3，则表单的表达式

A(:, :, i, :, :, :)

对于

1中的
i
：尺寸（A，d）

表示构成

A

的所有切片（沿尺寸

d

）

像

A（：，：，i，：，：，：，：）

这样的表达式的问题在于，它不能被符号化地概括为在具有不同于6的维数的数组中沿不同于3的维数切片。例如，要获得沿维度2的

A

切片，需要一个不同的表达式，

A（：，i，：，：，：，：）

。这意味着这样的表达式在代码中是无用的，因为代码对要从中提取切片的数组的形状是不可知的

下面的函数是我的MatlabNoob实现形状不可知切片的尝试。（名称

slice

已被采用，因此我将该函数称为

hslice

，是

hyperslice

的缩写）该函数的策略是将输入阵列重塑为合适的三维阵列，沿着重塑后的阵列的第二维度获取所需的切片，并对结果进行整形，使其具有原始输入数组的切片形状

function out = hslice(ndarray, d, i)
    sz = size(ndarray);
    pfx = sz(1:d-1);    % dimensions before d
    sfx = sz(d+1:end);  % dimensions after d

    tmp = reshape(ndarray, prod(pfx), sz(d), prod(sfx));
    out = reshape(tmp(:, i, :), [pfx 1 sfx]);
end

---

是否有一种内置的或至少更有效的方法来实现相同的结果（以形状无关的方式）？

您可以尝试

permute

和

setdiff

将该维度移动到一致的位置：

function out = hslice(ndarray, d, i)
subdims = setdiff(1:ndims(ndarray),d);
sz = size(ndarray);
outsz = sz(subdims);
order = [d subdims];
ndarray = permute(ndarray,order);
out = reshape(ndarray(i,:),outsz);
end

例如：

d = 3; i = 2;
nd = randi(23,3,3,3,2);
out = hslice(nd,d,i);   % out = squeeze(nd(:,:,i,:)) for d=3

---

但是，数据是在切片之前重写的，而不是使用问题中的代码。所以，我真的会和OP一起去

是的。您可以使用取消引用的单元格数组和“逗号分隔列表”之间的等效性，以及可以使用字符“：”作为索引来动态构造

a（：，：，：，i，：，…）

对任意维度的调用

function out = slice(A, ix, dim)

subses = repmat({':'}, [1 ndims(A)]);
subses{dim} = ix;
out = A(subses{:});

这将完全通用化，并将执行与原始静态

A（：，：，i，：，…）

表达式完全相同的“切片”索引操作，除了旋转这些字符串来设置它的开销之外

或者，如果您愿意，您可以使用

sprintf

将

A（：，：，i，：，…）

构造为字符串，然后对其调用

eval（）

。但如果可能的话，我喜欢避免

eval

请注意，您最初的实现使用的是快速操作，应该可以很好地执行，大约与此实现一样快。我之所以发布这篇文章，是因为我认为它可读性很强，确实回答了你最初提出的问题，而且它可以应用于其他有用的东西

切片赋值 您还可以使用相同的单元格下标技术作为左值来分配到数组的片中。但是，您不能直接重用slice函数，因为它返回的是数组的提取子集，而不是左值引用。所以你可以做一个非常类似的函数，它自己做赋值

function A = slice_assign(A, ix, dim, B)
%SLICE_ASSIGN Assign new values to a "slice" of A

subses = repmat({':'}, [1 ndims(A)]);
subses{dim} = ix;
A(subses{:}) = B;

实际上，您可能还需要一个只返回单元格数组中计算出的索引的函数，这样您就可以随身携带这些索引，并重复使用它们进行赋值和引用

function out = slice_subs(A, ix, dim)

subses = repmat({':'}, [1 ndims(A)]);
subses{dim} = ix;
out = subses;

---

你为什么认为你的方法没有效率？你试过将它与显式切片进行比较吗？实际上我喜欢你的，因为在切片之前没有数据被重写。@Shai：我主要是希望有一些低级别的内置（可能是非常有效的）函数来实现这一点；另外，由于我不太了解MATLAB中什么是高效的，我的假设是，我的任何实现都可能是低效的（尽管这次我可能很幸运）。在我看来，分析（不仅仅是在MATLAB中）是很棘手的。在这种情况下，我能想到的任何分析方案（如MatlabNoob）都需要将显式切片表达式放入函数中，这可能会显著扭曲比较。嗯，我不相信我能在这方面做任何分析。是的，Matlab性能很难控制，因为操作的成本可能差异很大，所以

O（n）

分析通常不如弄清楚如何使用快速的Matlab内置“矢量化”东西有用。但相对而言，所有这些索引、重塑和复制操作都非常便宜。在函数中执行这项操作很好：因为您要创建一个新数组，所以不可能进行就地优化，而写时拷贝意味着在函数之间传递数组是便宜的。你的方法应该执行得很好。哦，是的-

restrape（）

特别快，因为它实际上并没有重新排列内存中的原始原始原始数据：它只是旋转Matlab内部数据结构（“mxArray”）头中的“维度”信息，并保留指向原始底层原始数据的指针。所以这里的实现只不过是对原始数据的一个单一的提取/复制，就像静态的<代码> >（：，，，，，……）/代码>索引表达式。用于两个输入上都有多个成员的较大数据集。它有足够的开销，在这里使用可能会太慢。当其中一个输入为标量或小输入时，

ismember

的情况相同。使用

subdims=1:ndims（ndarray）；细分市场（d）=[]

或

find（x==y）

可能更合适。@AndrewJanke感谢您在这种情况下选择

setdiff

。尽管如此，

permute

可能比

setdiff

慢一个数量级，除非

numel（ndarray）

非常小。这就是为什么我倾向于使用