Matlab中单元格数组的子字符串答案

【问题标题】：Substrings from a Cell Array in MatlabMatlab中单元格数组的子字符串
【发布时间】：2013-10-10 15:10:40
【问题描述】：

我是 MATLAB 新手，我正在努力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字符串数组，例如：

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

我很高兴有这样的元素参考：

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

但我无法计算出一次性引用它们的符号，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，所以我希望有一种技术能够以类似的速度工作：

% 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得太慢。是否有一些数组符号可以做到这一点？有人能纠正我对元素和数组操作的理解吗？！非常感谢！

【问题讨论】：

标签： matlab cell-array

【解决方案1】：

我无法计算出一次性引用它们的符号，如下所示：

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

这是因为花括号（{}）返回一个comma-separated list，相当于将这些单元格的内容写成如下方式：

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，当逗号分隔的列表包含多个项目时，禁止使用此语法。

那么有什么替代品呢？

使用for loop：

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

使用cellfun（Dang Khoa's 答案的轻微变体）：

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

如果您的原始元胞数组包含固定长度的字符串，您可以按照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);
```

采用更复杂的方法，比如正则表达式：

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数组单元格都被转换为字符串数组（矩阵）。这只是为了示例；显然，如果您决定这样做，您可以将子字符串存储在单元数组中。

【讨论】：

感谢您的全面回复，既回答了我的问题，也帮助了我的理解。最后，我选择了选项 3，这似乎是我的数据集和函数的最佳选项：我发现在函数中使用 For 循环（选项 1）比使用 cellfun 调用函数（选项 2）慢大约 4 倍。我选择了选项 3，因为我不想向其他将使用它的人解释 cellfun :)。还要感谢提供类似答案的 Dan 和 Moshen。
酷。因此，从 (1) 直接访问由 CellArray=textscan(fid,format) 生成的二维单元格数组中的行、列、子字符串，其中 col 是文本列将是 CellArray{col}{row}(3:4)。

【解决方案2】：

cellfun 对元胞数组的每个元素进行操作，因此您可以执行以下操作：

>> CellArrayOfStrings = {'aaa123'; 'bbb123'; 'ccc123'; 'ddd123'};
>> MyArrayofSubstrings = cellfun(@(str) str(3:4), CellArrayOfStrings, 'UniformOutput', false)
MyArrayofSubstrings = 
    'a1'
    'b1'
    'c1'
    'd1'

如果您想要一个字符串矩阵而不是一个以字符串为元素的元胞数组，请在MyArrayOfSubstrings 上使用char。请注意，仅当每个字符串的长度相同时才允许这样做。

【讨论】：

【解决方案3】：

你可以这样做：

C = {'aaa123'; 'bbb123'; 'ccc123'; 'ddd123'}
t = reshape([C{:}], 6, [])'
t(:, 3:4)

但恐怕只有你的字符串长度相等。

【讨论】：

【解决方案4】：

您可以使用char 将它们转换为字符数组，进行索引并将其转换回元胞数组

A = char(CellArrayOfStrings);
B = cellstr(A(:,3:4));

请注意，如果字符串的长度不同，char 在末尾用空格填充它们以创建数组。因此，如果您为超过其中一个短字符串长度的列建立索引，您可能会收到一些空格字符。

【讨论】：