Matlab中的矢量化条件求和循环

我有两个M×N矩阵，标记为A和B，我想创建一个向量，包含B中所有项目的总和，用于A的每个唯一值。例如，我有以下矩阵：

A = [6 2 3 4
     5 2 3 3
     5 5 6 2];

B = [.2 .5 .4 .1
     .7 .2 .5 .1
     .6 .6 .1 .9];

我想创建一个向量C，其中每个索引对应于

D=unique（a）

。对于这种情况，

D=[2,3,4,5,6]

for I = 1:length(D)
    C(I) = sum(B(A(:)==D(I));
end

当D的长度为2000项且A和B都是~4000x20矩阵时，这会变得非常缓慢。有没有人帮我加快速度？我试着做了以下几点：

Indxs = bsxfun(@eq,A,reshape(D,1,1,length(D)));
for I = 1:size(Indxs,3)
    C(I) = sum(B(Indxs(:,:,I));
end

---

但它实际上并没有更快。

您可以使用和的常用组合来完成此操作：

使用示例数据，结果是：

>> D
D =
     2
     3
     4
     5
     6

>> C
C =
    1.6000
    1.0000
    0.1000
    1.9000
    0.3000

accumarray

最基本的形式（两个输入参数）是将具有相同第一个参数值的所有第二个参数值相加

---

如果

A

仅包含正整数，则有一个带和的单行解：

---

这是因为

sparse

累加了与同一索引对应的值。

此外，我还预先分配了C以加快速度。+1您能解释一下accumarray的功能吗？比MatLab帮助文件更清楚一点？这要快得多！我不知道accumarray，谢谢@EJG89我添加了一个解释。我还包括第二个使用

sparse

>> D
D =
     2
     3
     4
     5
     6

>> C
C =
    1.6000
    1.0000
    0.1000
    1.9000
    0.3000

[D, ~, C] = find(sparse(A(:), 1, B(:)));