在 MATLAB 中不使用循环通过元胞数组的一维连接子元胞

我有一个元胞数组。每个单元格包含一个可变长度的向量。例如：

example_cell_array=cellfun(@(x)x.*rand([length(x),1]),cellfun(@(x)ones(x,1), num2cell(ceil(10.*rand([7,4]))), 'UniformOutput', false), 'UniformOutput', false)

我需要将单元格的内容向下连接到一个维度，然后对每个连接的向量执行操作，为单元格数组中的每一列生成标量（例如 sum() - 实际操作很复杂、耗时，而且不自然）可矢量化 - 特别是对于不同长度的矢量）。

我可以通过循环轻松地完成此操作（对于我的串联向量和示例），如下所示：

[M N]=size(example_cell_array);
result=zeros(1,N);
cat_cell_array=cell(1,N);
for n=1:N
    cat_cell_array{n}=[];
    for m=1:M
        cat_cell_array{n}=[cat_cell_array{n};example_cell_array{m,n}];
    end
end
result=cell2mat(cellfun(@(x)sum(x), cat_cell_array, 'UniformOutput', false))

不幸的是，这太慢了。 （我的元胞数组为 1Mx5，每个元胞中的向量长度范围为 100-200）

是否有一种简单的方法来生成连接元胞数组，其中元胞中包含的向量已按一维连接？

就像是：

dim=1;
cat_cell_array=(?concatcells?(dim,example_cell_array);

编辑： 由于很多人一直在测试解决方案：仅供参考，我应用于每个连接向量的函数是 circ_kappa(x) ，可从循环统计工具箱 http://www.mathworks.com/matlabcentral/fileexchange/10676-circular-statistics-toolbox--directional-statistics-/content/circ_kappa.m

有些方法可能会建议您将数字数据从example_cell_array using {..}然后在串联后将其打包回更大尺寸的单元格以形成您的cat_cell_array。然后，您再次需要从该串联元胞数组中解压缩数字数据以执行您的操作手术在每个单元格上。

现在，在我看来，如果以下情况，这种多重拆包和打包方法将不是有效的方法：example_cell_array不是您的预期输出之一。因此，考虑到所有这些，让我在这里建议两种方法。

循环的方法

第一个是 for 循环代码 -

data1 =  vertcat(example_cell_array{:}); %// extract all numeric data for once
starts = [1 sum(cellfun('length',example_cell_array),1)]; %// intervals lengths
idx = cumsum(starts); %// get indices to work on intervals basis
result  = zeros(1,size(example_cell_array,2)); 
%// replace this with "result(size(example_cell_array,2))=0;" for performance
for k1 = 1:numel(idx)-1
    result(k1) = sum(data1(idx(k1):idx(k1+1)-1));
end

所以，你需要编辑sum与你的实际手术.

近矢量化方法

If example_cell_array有很多专栏，我的第二个建议是almost向量化方法，尽管它在列数较少的情况下表现也不错。现在这段代码使用cellfun在第一行获取串联版本中每个单元格的长度。cellfun基本上是循环代码的包装器，但这在运行时方面并不是很昂贵，这就是为什么我将这种方法归类为almost矢量化一。

代码是 -

lens = sum(cellfun('length',example_cell_array),1); %// intervals lengths
maxlens = max(lens);
numlens = numel(lens);
array1(maxlens,numlens)=0;
array1(bsxfun(@ge,lens,[1:maxlens]')) = vertcat(example_cell_array{:}); %//'
result = sum(array1,1);

你现在需要做的就是让你的手术在列的基础上运行array1使用创建的掩码bsxfun执行。因此，如果array1 is a M x 5大小的数组，您需要使用掩码从每列中选择有效元素，然后执行手术在那些元素上。如果您需要有关屏蔽问题的更多信息，请告诉我。

希望这些方法之一对您有用！

快速测试：用一个250000x5 sized example_cell_array，快速测试表明这两种方法sum操作表现非常好并给予约400x比我最后问题中的代码加速。