如果我有两个矩阵A和B,大小为[m×n]和[p×n],并且我想要找出B中每行出现在A中的次数,例如:
>> A = rand(5,3)
A =
0.1419 0.6557 0.7577
0.4218 0.0357 0.7431
0.9157 0.8491 0.3922
0.7922 0.9340 0.6555
0.9595 0.6787 0.1712
>> B = [A(2,:); A(1,:); A(2,:); A(3,:); A(3,:); A(4,:); A(5,:)]
B =
0.4218 0.0357 0.7431
0.1419 0.6557 0.7577
0.4218 0.0357 0.7431
0.9157 0.8491 0.3922
0.9157 0.8491 0.3922
0.7922 0.9340 0.6555
0.9595 0.6787 0.1712在这种情况下的答案是
ans =
1 2 2 1 1尽管不像这个例子,一般情况下m >> p
如果A和B是向量,则matlab的histc可以完成这项工作,但如果分箱是向量,似乎并不等同。
目前我是这样做的:
for i=1:length(B)
indices(i) = find(abs(A/B(i,:)-1) < 1e-15);
% division requires a tolerance due to numerical issues
end
histc(indices, 1:size(A,1))
ans =
1 2 2 1 1但是因为我有很多这样的矩阵B,而且A和B都很大,所以这是非常慢的。任何想法如何改善呢?
编辑:
看看迄今为止的方法,我有以下数据:
A 7871139x3 188907336 double
B 902x3 21648 double为了让事情更快,我只打算使用B的前10行
B = B(1:10,:);请注意,对于完整的应用程序,我(当前)有> 10 ^ 4个这样的矩阵(这最终会> 10 ^ 6 ....)
我的第一个方法:
tic, C = get_vector_index(A,B); toc
Elapsed time is 36.630107 seconds.bdecaf的方法(可以通过删除if语句并使用L1距离代替L2距离将其减少到约25秒)
>> tic, C1 = get_vector_index(A,B); toc
Elapsed time is 28.957243 seconds.
>> isequal(C, C1)
ans =
1oli的pdist2方法
>> tic, C2 = get_vector_index(A,B); toc
Elapsed time is 7.244965 seconds.
>> isequal(C,C2)
ans =
1奥利的标准化方法
>> tic, C3 = get_vector_index(A,B); toc
Elapsed time is 3.756682 seconds.
>> isequal(C,C3)
ans =
1最后,我想出了另一种方法,我搜索第一列,然后搜索第一列内的第二列,递归直到列被耗尽。这是迄今为止最快的....
N = size(A,2);
loc = zeros(size(B,1),1);
for i=1:size(B,1)
idx{1} = find(A(:,1)==B(i,1));
for k=2:N,
idx{k} = idx{k-1}(find(A(idx{k-1},k)==B(i,k)));
end
loc(i) = idx{end};
end
C = histc(loc, 1:size(A,1));这导致:
>> tic, C4 = get_vector_index(A,B); toc
Elapsed time is 1.314370 seconds.
>> isequal(C, C4)
ans =
1另请注意,使用intersect要慢得多:
>> tic, [~,IA] = intersect(A,B,'rows'); C5 = histc(IA,1:size(A,1)); toc
Elapsed time is 44.392593 seconds.
>> isequal(C,C5)
ans =
1