如何在MATLAB中的一組單元陣列中有效地找到獨特的單元陣列？

Question

我需要在一組單元陣列中找到唯一的單元陣列。例如，如果這是我輸入：

I = {{'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'b' 'c'} ... 
    {'d' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'c' 'e'}}; 

然後，我想我的輸出看起來像這樣：

I_unique = {{'a' 'b' 'c' 'd' 'e'} ... 
      {'a' 'b' 'c'} ... 
      {'d' 'e'} ... 
      {'a' 'c' 'e'}}; 

你有任何想法如何做到這一點？輸出中元素的順序無關緊要，但效率確實很高，因爲單元陣列可能非常大。

Answer 1

如果你的細胞只含有分類單個字符，那麼你可以使用保留只是獨特的序列：

 
>> I = {{'a' 'b' 'c' 'd' 'e'} {'a' 'b' 'c'} {'d' 'e'} {'a' 'b' 'c' 'd' 'e'} {'a' 'b' 'c' 'd' 'e'} {'a' 'c' 'e'}}; 
>> I_unique = cellfun(@char, I, 'uniformoutput', 0); 
>> I_unique = cellfun(@transpose, I_unique, 'uniformoutput', 0); 
>> I_unique = unique(I_unique) 

I_unique = 

    'abc' 'abcde' 'ace' 'de' 

然後，您可以再次分裂所產生的細胞成單個字符：

 
>> I_unique = cellfun(@transpose, I_unique, 'uniformoutput', 0); 
>> I_unique = cellfun(@cellstr, I_unique, 'uniformoutput', 0); 
>> I_unique = cellfun(@transpose, I_unique, 'uniformoutput', 0); 
>> I_unique{:} 

ans = 

    'a' 'b' 'c' 


ans = 

    'a' 'b' 'c' 'd' 'e' 


ans = 

    'a' 'c' 'e' 


ans = 

    'd' 'e' 

Answer 2

編輯：已更新爲使用更高效的算法。

如果效率相當於I中的大量集合，那麼您的最佳選擇可能是推出自己的優化循環。這個問題與前面關於how to efficiently remove sets that are subsets of or equal to another的問題有一些相似之處。這裏的區別在於你不關心刪除子集，只是重複，所以my answer to the other question中的代碼可以修改，以進一步減少進行比較的次數。

首先我們可以認識到，比較具有不同數量元素的集合沒有意義，因爲它們在這種情況下不可能匹配。因此，第一步是計算每個集合中的字符串數量，然後遍歷每個具有相同字符串數量的集合組。

對於這些組中的每個組，我們將有兩個嵌套循環：每個集合的外部循環從集合的結尾開始，以及一個內部循環遍佈在每個集合的前面。如果/當找到第一個匹配時，我們可以將該集合標記爲「不唯一」，並打破內部循環以避免額外的比較。在集合的末尾啓動外部循環會給我們額外的獎勵，在I_unique中設置的額外獎勵將保持I的出現順序。

這裏是生成的代碼：

I = {{'a' 'b' 'c' 'd' 'e'} ... %# The sample cell array of cell arrays of 
    {'a' 'b' 'c'} ...   %# strings from the question 
    {'d' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'c' 'e'}}; 
nSets = numel(I);     %# The number of sets 
nStrings = cellfun('prodofsize',I); %# The number of strings per set 
uniqueIndex = true(1,nSets);   %# A logical index of unique elements 

for currentSize = unique(nStrings) %# Loop over each unique number of strings 

    subIndex = find(nStrings == currentSize); %# Get the subset of I with the 
    subSet = I(subIndex);      %# given number of strings 

    for currentIndex = numel(subSet):-1:2  %# Outer loop 
    for compareIndex = 1:currentIndex-1  %# Inner loop 
     if isequal(subSet{currentIndex},subSet{compareIndex}) %# Check equality 
     uniqueIndex(subIndex(currentIndex)) = false; %# Mark as "not unique" 
     break        %# Break the inner loop 
     end 
    end 
    end 

end 

I_unique = I(uniqueIndex); %# Get the unique values