对Matlab的多个调用进行矢量化&x27；查找'；

我对Matlab的find函数进行了大量调用。例如，以下内容应给出要点：

x=rand(1,10^8);
indx=zeros(1,10^8);
for i=1:10^8
    indx(i) = find([0.2, 0.52, 0.76,1] < x(i), 1, 'last');
end

x=rand（1,10^8）；
indx=零（1,10^8）；
对于i=1:10^8
indx（i）=find（[0.2,0.52,0.76,1]

有没有办法将代码矢量化以加快速度？仅将x作为向量包含会产生错误。如果矢量化是不可能的，那么任何其他建议的速度将不胜感激。我想要解决的实际问题在[0.2,0.52,0.76,1]处有一个相当长的向量，因此任何解决方案都不应该依赖于我提供的特定向量

谢谢。

使用

x

获得一个逻辑矩阵，指示

vec

中小于

x

的值。将该逻辑矩阵与表示列下标的列向量相乘。用于查找满足不等式的最大（最后）索引。对于不等式不满足的情况，你将得到零

vec = [0.2, 0.52, 0.76, 1];    %Your vector
indx = bsxfun(@lt, vec(:), x); %Making 'vec' a column matrix and comparing with 'x'
indx = max(bsxfun(@times, indx, (1:numel(vec)).')); %The required result

对于R2016b及更高版本，您可以使用隐式扩展，而不是：

indx=vec（：）根据您的示例，您可能需要考虑使用<代码>离散化< /代码>函数：

x=rand(1,10^8);
edges = [0.2, 0.52, 0.76, 1];
indx = discretize(x, edges, 'IncludedEdge', 'right'); 

请注意，超出范围的情况将导致NaN

% small test case
% x = [0.5198, 0.0768, 0.6788, 0.9496]
% indx = discretize(x, edges, 'IncludedEdge', 'right')
% answer:   1   NaN   2     3

当然，这仅在您试图找到x在有序集合中的位置时才适用。
对于MATLAB版本R2015a和更新版本，的答案给出了最佳选项，使用：

x
中超出
边范围的任何值的索引将为
NaN



对于MATLAB版本的R2014b和更新版本，您还可以使用：

discretize
的不同之处在于，您还可以获得每个箱子中的值计数（第一次输出），并且
x
中
边缘范围以外的值的索引将为
0



对于R2014b之前的MATLAB版本，您可以使用（在较新版本中已弃用）：

同样，您还可以获得每个箱子中的值计数（第一次输出），并且
x
中
边缘范围之外的值的索引将是
0
，在该示例中，结果始终是
4
。你确定你想要
'last'
？对……我已经翻转了不等式（在我最近的编辑中），使它变得不平凡。只是试图构造一个玩具问题，用一种简单的方式抓住真正的问题。感谢您发现它。警告：如果不等式不满足
x
，您的循环将给出错误。尝试使用
x
中小于
0.2
的任何值，这并不是说它在大多数情况下都很明显，而是比
（end:-1:1）
快2倍左右。这是一个多么有用的函数。它很快…对我来说，计算时间减少了大约100倍。谢谢
% small test case
% x = [0.5198, 0.0768, 0.6788, 0.9496]
% indx = discretize(x, edges, 'IncludedEdge', 'right')
% answer:   1   NaN   2     3

edges = [0.2, 0.52, 0.76, 1];
indx = discretize(x, edges, 'IncludedEdge', 'right');

[~, ~, indx] = histcounts(x, edges);

[~, indx] = histc(x, edges);