500000x2阵列，查找满足第1列和第2列特定要求的行，MATLAB

我在这里面临死胡同

我收集了大量的数据，并且只将我感兴趣的信息分离到一个500kx2的成对数组中

第1列包含访问点的ID。 第二列包含一个字符串

在第1列中可能多次出现ID，并且在第2列中可以写入任何内容。记住，每行都是成对的

我需要在这些500K对中找到什么：

我想找到在第二列中写有“hello”的所有ID，甚至是行，作为一个附加要求，必须有两个以上的“pair”出现

如果这种情况发生2次以上，最好能节省发生的次数

例如：

col1（id）：[1,2,6,2,1,2,3,1]

col2（str）：[‘你好’、‘走’、‘你好’、‘皮兹’、‘你好’、‘da’、‘mn’、‘你好’]

所以我要问的数据是：

---

[1，3]，也就是说，ID=1，3次出现ID=1和str='hello'

它们是许多可能的解决方案。这里有一个：使用地图结构。映射的键集包含ID（其中“hello”出现在第二列中），值集包含出现的次数

浏览第二列。当您找到“hello”时，检查相应的ID是否已经是映射结构中的键。如果为true，则将+1添加到与该键关联的值。否则，添加一个新对（key，value）=（ID，1）

完成后，从贴图中删除值小于或等于2的所有对。剩下的地图就是你要找的

---

Matlab映射：

我尝试对它进行基准测试，看看它是否能在合理的时间内完成500000行

生成一些测试数据（总计约60MB）

分析

tic
a=ismember(H,{'hello'});
M = accumarray(V(a),1);
idx = find(M>1);
result = [idx,M(idx)];
toc

运行时间为0.011699秒

带循环的替代方法

tic
M=zeros(max(V),1);
for ct = 1:length(H)
    if strcmp(H{ct},'hello')
        M(V(ct))=M(V(ct))+1;
    end
end
idx = find(M>1);
result1 = [idx,M(idx)];
toc

运行时间为0.192560秒

tic
M=zeros(max(V),1);
for ct = 1:length(H)
    if strcmp(H{ct},'hello')
        M(V(ct))=M(V(ct))+1;
    end
end
idx = find(M>1);
result1 = [idx,M(idx)];
toc