将不同大小的向量保存在矩阵中

Question

将不同大小的向量保存在矩阵中

3

我想把一个向量分成多个向量，并把它们放入矩阵中。但我遇到了“下标赋值维度不匹配”的错误提示。

STEP = zeros(50,1);
STEPS = zeros(50,length(locate));
for i = 1:(length(locate)-1)
    STEP = filtered(locate(i):locate(i+1));
    STEPS(:,i) = STEP;
end

我假设第一次从（1:50）中获取“filtered”的值，并将其存储在矩阵的第一行，然后对于迭代2，例如从（50:70）中获取“filtered”的值，并将其存储在矩阵的第二行，以此类推，直到循环结束。如果有人有想法，请给我留言！谢谢！

- YLM

问题在于STEP的长度为50，但在第二次迭代中你只给了(50:70)，如何处理那29个缺失的数字？这就是错误的原因。 - Gnimuc

好的，谢谢你的回答。 - YLM

问题在于我这里举了一个例子，取决于我的源文件，我不知道每次迭代向量的大小。我只知道它小于50。 - YLM

在最后一步，编辑为：STEPS(1:numel(STEP),i) = STEP;？ - Divakar

你可以通过函数 length 进行查询：temp = filtered(locate(i):locate(i+1)); len = length(temp); STEP(1:len) = temp。 - Gnimuc

太棒了，伙计！它完美地运行了！谢谢你！！ :) - YLM

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Divakar · Accepted Answer

如评论中所提到的，要使其工作，您可以在末尾编辑循环代码，方法如下 -

STEPS(1:numel(STEP),i) = STEP;

此外，输出数组STEPS似乎没有使用最后一列。因此，初始化可以使用一个更少的列，像这样 -

STEPS = zeros(50,length(locate)-1);

对于循环代码来说一切都很好，但是对于像MATLAB这样的高级语言，您可能希望寻找更快的代码，其中一种方法是使用矢量化代码。因此，让我建议使用bsxfun的掩码功能来处理这种不规则数组的矢量化解决方案。涵盖locate中通用元素的实现看起来应该像这样 -

% Get differentiation, which represent the interval lengths for each col
diffs = diff(locate)+1;

% Initialize output array
out = zeros(max(diffs),length(locate)-1);

% Get elements from filtered array for setting into o/p array
vals = filtered(sort([locate(1):locate(end) locate(2:end-1)]));

% Use bsxfun to create a mask that are to be set in o/p array and set thereafter
out(bsxfun(@ge,diffs,(1:max(diffs)).')) = vals;

验证样例运行 -

>> % Inputs
locate = [6,50,70,82];
filtered = randi(9,1,120);

% Get extent of output array for number of rows
N = max(diff(locate))+1;

>> % Original code with corrections
STEP = zeros(N,1);
STEPS = zeros(N,length(locate)-1);
for i = 1:(length(locate)-1)
    STEP = filtered(locate(i):locate(i+1));
    STEPS(1:numel(STEP),i) = STEP;
end

>> % Proposed code
diffs = diff(locate)+1;
out = zeros(max(diffs),length(locate)-1);
vals = filtered(sort([locate(1):locate(end) locate(2:end-1)]));
out(bsxfun(@ge,diffs,(1:max(diffs)).')) = vals;

>> max_error = max(abs(out(:)-STEPS(:)))
max_error =
     0