来自Matlab中的单元阵列的子串

Question

我是MATLAB的新手,我正在努力理解数组和元素操作之间的细微差别.我正在使用大型数据集,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Cell数组,就像在这个简化的例子中一样:

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

我正在尝试提取一个子串数组,例如:

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

我很满意这样的元素参考:

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

但是,我无法一劳永逸地将这些符号全部引用,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,所以我希望有一种技术能够以类似的速度运行:

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

所有使用幕后迭代的for循环和函数我尝试使用我的数据集运行得太慢了.是否有一些阵列方式表示法会这样做？有人能够纠正我对元素和阵列操作的理解吗？!非常感谢!

Answer 1

我无法一次性使用符号来引用它们，如下所示：

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

这是因为大括号 ( {}) 返回一个逗号分隔的 list，相当于将这些单元格的内容按如下方式写入：

c{1}, c{2}, and so on....

当下标索引仅指一个元素时，MATLAB 的语法允许()在大括号后使用括号 ( ) 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，禁止使用此语法。

那么有哪些替代方案呢？

1. 使用for循环：

   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答案的一个轻微变体）：

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

3. 如果您的原始元胞数组包含固定长度的字符串，则可以按照Dan的建议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，只需选择最适合您的解决方案即可 :) 我认为使用 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，获得的子字符串单元格的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，您可以将子字符串存储在元胞数组中，如果您决定这样做的话。