Matlab基础学习（3）

1.逻辑索引

向量化操作的要点是多使用 向量，减少使用循环，因为循环的效率不高。

向量化操作的一个难点是熟悉matlab的内置函数。上节已经列出来了一些，具体的还是要多查看help。

向量化编程的第二个要点是多使用逻辑索引，一般的索引已经说过。一般索引分为线性索引和行列索引。逻辑索引通过逻辑矩阵（0/1logical变量)提取相关元素。

定义一个m*n的矩阵A：

取A的(a,b)元素,一般索引A(a,b)

也可以使用逻辑索引:

B=zeros(m,n);

B(a,b)=1;

A(logical(B))

这只是为了生搬硬套的阐述思想，实际不可能这么做。

比方说，一个名叫array数组里面，你要将里面大于1的都变成0，就不必用到循环：
array(array>1)=0;
把大于1小于3的变成0。
array(and(array>1,array<3))=0;

通过逻辑矩阵可以很快的定位元素。

 

 

下面介绍一些is_函数：

iscell()

ischar() %字符数组

isempty()

isequal(A,B,...) %是否一样

isinfinite() %inf或nan

ishandle() %函数句柄

isglobal() %全局变量

isstruct()
isnumeric()%数字

islogical()

isnan()

isreal() %实数

isscalar() %标量

issorted() %有序

ismember(A,S) %判断数组A是否在数组S中

 

更多的is_函数，搜索is就可以找到。

 

类型转换：

类型转换函数有2大类：

a. A2B  %比如func2str()

b. A %比如logical()

我们说过，matlab数据类型有：

a.numeric:

搜索int,double

b.character

搜索char,str

c.function

搜索func

d.聚合数据类型

搜索cell,struct

e.logical

搜索logical

class()用于判断变量的类型

 

下面再举一个例子，计算数据中空值（nan）个数：

例如一个excel文件：

data=xlsread('reg.xls');

a=sum(isnan(data));

a是一个向量，向量中的值是每个属性为空值的个数。

 

 

data((data(:,11)<30)|(data(:,11)>80),:)=[];%将数据第11列小于30大于80的行删除

 

2. 提前分配内存

当矩阵较大时，预分配内存是提高程序效率的重要一点。

在运行一个函数或者代码段前，如果知道矩阵的大小，就可以先分配，再赋值。

zeros(m,n)或者zeros(m,n,'datatype').

注意，后一种的效率是更高的。

 

3.稀疏矩阵的处理

对于0较多的大型稀疏矩阵（如邻接矩阵，0/1矩阵等），尽量使用help-matlab-mathematics-sparse matrices里面的函数，这样会大大加快程序运行速度。

是不是sparse矩阵，可以用issparse()函数进行判断。

创建sparse矩阵：

spdiags() 稀疏的对角阵

speye() 稀疏的单位阵（单位阵本来就很稀疏）

sprand() 稀疏的均匀分布矩阵

sprandn()稀疏的正态分布矩阵

full和sparse转换：

full() %sparse->full

sparse() %full->sparse

基本操作：

nnz() %非零个数

nonzeros() %非零元素

spones() %将非零元素替换为1

spy() %绘制稀疏模式,例如spy(speye(100))就是一条直线

 

具体产看帮助，由于稀疏矩阵的特点，例如有时候条件数比较大，和图论的关系比较大等，matlab都设计了相应的函数。