具有相同标签的列的平均值

我有两个向量

data vector: A = [1 2 2 1 2 6; 2 3 2 3 3 5]
label vector: B = [1 2 1 2 3 NaN]

我想取具有相同标签的所有列的平均值，并将它们输出为按标签号排序的矩阵，忽略 NaN。所以，在这个例子中我想要：

labelmean(A,B) = [1.5 1.5 2; 2 3 3]

这可以通过像这样的 for 循环来完成。

function out = labelmean(data,label)
out=[];
for i=unique(label)
    if isnan(i); continue; end
    out = [out, mean(data(:,label==i),2)];
end 

但是，我正在处理包含许多数据点和标签的巨大数组。此外，此代码片段将经常执行。我想知道是否有一种更有效的方法可以做到这一点，而无需循环遍历每个单独的标签。

这是一种方法：

1. 获取不包含的标签索引NaNs.
2. 创建一个由 0 和 1 组成的稀疏矩阵，乘以A将给出所需的行总和。
3. 将该矩阵除以每列的总和，使总和变为平均值。
4. 应用矩阵乘法得到结果，并转换为满矩阵。

Code:

I = find(~isnan(B));                                 % step 1
t = sparse(I, B(I), 1, size(A,2), max(B(I)));        % step 2
t = bsxfun(@rdivide, t, sum(t,1));                   % step 3
result = full(A*t);                                  % step 4