matlab - Matlab 中元胞数组的子字符串

Question

我是 MATLAB 的新手，我很难理解数组操作和元素操作之间的微妙之处。我正在处理一个大型数据集，我发现最简单的方法并不总是最快的。我有一个非常大的字符串元胞数组，就像这个简化的例子一样:

% A vertical array of same-length strings
CellArrayOfStrings = {'aaa123'; 'bbb123'; 'ccc123'; 'ddd123'};

我正在尝试提取一个子字符串数组，例如:

'a1'
'b1'
'c1'
'd1'

我对这样的元素引用感到非常满意:

% Simple element-wise substring operation
MySubString = CellArrayOfStrings{2}(3:4);  % Expected result is 'b1'

但我无法一次性计算出引用它们的符号，如下所示:

% Desired result is 'a1','b1','c1','d1'
MyArrayOfSubStrings = CellArrayOfStrings{:}(3:4); % Incorrect notation!

我知道 Matlab 能够执行非常快速的数组操作，例如 strcat，所以我希望有一种以类似速度工作的技术:

% An array-wise operation which works quickly
tic
speedTest = strcat(CellArrayOfStrings,'hello');
toc   % About 2 seconds on my machine with >500K array elements

我尝试过的所有使用幕后迭代的 for 循环和函数在我的数据集上运行速度太慢。是否有一些数组符号可以做到这一点？有人能够纠正我对元素方式和数组方式操作的理解吗？!非常感谢!

Answer 1

I can't work out the notation to reference them all in one go, like this:

MyArrayOfSubStrings = CellArrayOfStrings{:}(3:4); % Incorrect notation!

这是因为大括号 ( {} ) 返回 comma-separated list ，相当于把这些单元格的内容写成下面这样:

c{1}, c{2}, <i>and so on</i>....

当下标索引仅引用一个 元素时，MATLAB 的语法允许在花括号后使用括号 ( () ) 并进一步提取子数组(在您的情况下为子字符串)。但是，当逗号分隔列表包含多个项目时，此语法是被禁止的。

那么有哪些选择呢？

1. 使用 for loop :

   MyArrayOfSubStrings = char(zeros(numel(CellArrayOfStrings), 2));
   for k = 1:size(MyArrayOfSubStrings, 1)
       MyArrayOfSubStrings(k, :) = CellArrayOfStrings{k}(3:4);
   end
   

2. 使用 cellfun (Dang Khoa's 答案的轻微变体):

   MyArrayOfSubStrings = cellfun(@(x){x(3:4)}, CellArrayOfStrings);
   MyArrayOfSubStrings = vertcat(MyArrayOfSubStrings{:});
   

3. 如果你原来的元胞数组包含固定长度的字符串，你可以按照Dan的建议并将元胞数组转换为字符串数组(字符矩阵)，对其进行整形并提取所需的列:

   MyArrayOfSubStrings =vertcat(CellArrayOfStrings{:});
   MyArrayOfSubStrings = MyArrayOfSubStrings(:, 3:4);
   

4. 使用更复杂的方法，例如正则表达式:

   MyArrayOfSubStrings = regexprep(CellArrayOfStrings, '^..(..).*', '$1');
   MyArrayOfSubStrings = vertcat(MyArrayOfSubStrings{:});
   

有很多解决方案可供选择，请选择最适合您的解决方案 :) 我认为借助 MATLAB 的 JIT 加速，在大多数情况下一个简单的循环就足够了。

另请注意，在我的所有建议中，所获得的子字符串单元格单元格数组被转换为字符串数组(矩阵)。这只是为了举例；显然，如果您决定这样做，您可以将子字符串存储在元胞数组中。