在累积的行值中进行平均计算,同时忽略MATLAB中的NaN

Question

我正在寻找有关如何优雅地解决以下问题的建议.虽然在我的具体案例中表现不是问题,但我会对有关良好做法的评论表示赞赏.

提前致谢!

简短版本:

我试图根据一些逻辑平均矩阵行,而忽略NaN值.我目前的代码没有按照我想要的方式处理NaN值.

长版:

我的数据以下列方式构建:

• 单个(第一)列"箱".每个bin的行数不是恒定的.垃圾箱不必是整数.行是预先排序的.
• 可变数量的数据列,可能包括NaN.

这是一个例子:

DATA = [...
180     NaN     NaN     1.733
180     NaN     NaN     1.703
200     0.720   2.117   1.738
200     0.706   2.073   1.722
200     0.693   2.025   1.723
200     NaN     NaN     1.729
210     NaN     NaN     1.820
210     NaN     NaN     1.813
210     NaN     NaN     1.805
240     NaN     NaN     1.951
240     NaN     NaN     1.946
240     NaN     NaN     1.946
270     NaN     NaN     2.061
270     NaN     NaN     2.052
300     0.754   2.356   2.103
300     0.758   2.342   2.057
300     NaN     NaN     2.066
300     NaN     NaN     2.066 ];

期望的结果是在第一列中包含唯一"箱"的矩阵,并且在其余部分中表示"未被NaNs",例如:

• 如果对于特定列+ bin,只有NaN(在上面的示例中:第一个数据列+ bin 210) - 结果将是NaN.
• 如果对于特定列+ bin,存在NaN和数字的混合,则结果将是有效数字的平均值.在上面的示例中:第一个数据列+ bin 200应该给出(0.720+0.706+0.693)/3=0.7063- 请注意此列+ bin的除以3(而不是4).

以下是上述示例的预期结果:

RES = [...
180     NaN     NaN     1.718
200     0.7063  2.072   1.728
210     NaN     NaN     1.812
240     NaN     NaN     1.948
270     NaN     NaN     2.056
300     0.756   2.349   2.074 ];

到目前为止我尝试了什么:

这是我设法从几个来源编译的一些代码.它适用于仅包含NaN或数字的列+ bin.

nDataCols=size(DATA,2)-1;
[u,m,n] = unique(DATA(:,1));
sz = size(m);
N=accumarray(n,1,sz);

RES(length(u),nDataCols) = 0; %Preallocation

for ind1 = 1:nDataCols
    RES(:,ind1)=accumarray(n,DATA(:,ind1+1),sz)./N;
end

RES= [u,RES];

这是我目前得到的:

RES = [...
180     NaN     NaN     1.718
200     NaN     NaN     1.728
210     NaN     NaN     1.812
240     NaN     NaN     1.948
270     NaN     NaN     2.056
300     NaN     NaN     2.074 ];

PS

1. 如果使用电子表格软件(例如MS Excel)更容易做到这一点 - 我很想听到想法.
2. 按列进行计算是我目前关于如何处理这个问题的想法.我只是想知道是否有办法将其概括为立即采用完整的矩阵.

Answer 1

一种可能的方法:在第一列中查找更改(利用它已预先排序的事实)并应用于nanmean每个行块:

ind = find(diff([-inf; (DATA(:,1)); inf])~=0); %// value changed: start of block
r = arrayfun(@(n) nanmean(DATA(ind(n):ind(n+1)-1,:)), 1:numel(ind)-1, 'uni', 0);
RES = vertcat(r{:});

您可以arrayfun通过显式循环替换.这可能会更快,并避免单元格引入的开销:

ind = find(diff([-inf; (DATA(:,1)); inf])~=0); %// value changed: start of block
RES = zeros(numel(ind)-1, size(DATA,2)); %// preallocate
for n = 1:numel(ind)-1 %// loop over blocks
    RES(n,:) = nanmean(DATA(ind(n):ind(n+1)-1,:));
end

您的方法也可以使用.您只需要accumarray使用nanmean函数句柄调用.这不需要对第一列进行预排序.

nDataCols = size(DATA,2)-1;
[u, ~, n] = unique(DATA(:,1));
RES = zeros(length(u), nDataCols); %// Preallocation
for ind1 = 1:nDataCols
    RES(:,ind1) = accumarray(n, DATA(:,ind1+1), [], @nanmean);
end
RES = [u, RES];