我有一個結構數組,有三個字段 - 數組,數組長度和數字。重新排列長度不等的結構數組到單個1d數組
N = 5;
data = struct;
for i=1:N
n = ceil(rand * 3);
data(i).len = n;
data(i).array = rand(1,n);
data(i).number = i;
end
的數據是這樣的:
data =
1x5 struct array with fields:
len = [ 1 3 3 1 1 ]
array = [[0.8]; [0.7 0.9 0.4]; [0.7 0 0.3]; [0.1]; [0.3]]
number = [ 1 2 3 4 5 ]
我可以通過多種方式返回數組作爲一個1X9陣列:
>>> [data.array]
>>> cat(2,data.array)
[0.8 | 0.7 0.9 0.4 | 0.7 0 0.3 | 0.1 | 0.3] % | shows array separation
我想重複一下電話號碼(data.number
) len
次,以產生與連接數組相同長度的數組。
我目前做這與arrayfun
然後cell2mat
:
>> x = arrayfun(@(x) repmat(x.number, 1, x.len), data, 'UniformOutput', false)
x =
[1] [1x3 double] [1x3 double] [4] [5]
>> cell2mat(x)
[ 1 2 2 2 3 3 3 4 5]
這使得數字線向上與陣列。
arrays = [ 0.8 | 0.7 0.9 0.4 | 0.7 0 0.3 | 0.1 | 0.3 ]
numbers = [ 1 | 2 2 2 | 3 3 3 | 4 | 5 ]
這背後的思想是將數據提供給GPU進行處理 - 但重新排列的數據可以量級比實際處理時間。
Arrayfun
當N = 100,000時需要約5秒,並且for循環呼叫repmat
需要約4秒。
有更快的方法來重新排列結構中不均勻數組的數據爲匹配長度的1d數組嗎?我願意使用不同的數據結構。
測試矢量化方法:
data = struct;
data(1).len = 1;
data(1).array = [1 2 3];
data(1).number = 11;
data(2).len = 0;
data(2).array = [];
data(2).number = 12;
data(3).len = 2;
data(3).array = [4 5 6; 7 8 9];
data(3).number = 13;
list_of_array = cat(1,data.array)
idx = zeros(1,size(list_of_array,1));
% Set start of each array to 1
len = cumsum([data.len])
idx(len) = 1
% Flat indices
idx = cumsum([1 idx(1:end-1)])
nf = [data.number]
repeated_num_faces = nf(idx)
給人的輸出:
list_of_array =
1 2 3
4 5 6
7 8 9
len =
1 1 3 % Cumulative lengths
idx =
1 0 1 % Ones at start
idx =
1 2 2 % Flat indexes - should be [1 3 3]
nf =
11 12 13 % Numbers expanded
repeated_num_faces =
11 12 12 % Wrong .numbers - should be [11 13 13]
好的。如果你確保'data(i).array'爲空,那麼'data(i).number'也是空的,矢量化的代碼將用於空'data.array'。否則,數字映射與數組長度不一致。 – angainor