我已经给出了一个索引列表，例如i = [3 5] 和一个向量 v = 1:6。我需要一个函数f，它返回给定索引i 的向量v 的逻辑映射，例如：
f(i, length(v)) = [0 0 1 0 1 0]
因为我会调用这个函数几百万次，所以我想让它尽可能快。是否有执行此任务的内置函数？
【问题讨论】：
i= [3 5]，逻辑映射不应该是[0 0 1 0 1 0]吗？
find的逆运算中，即find(ismember(v,i))返回i
标签： matlab logical-operators matrix-indexing
我知道我迟到了，但我真的很想找到一个更快的解决方案，它和ismember 一样优雅。确实有一个，它使用了未记录的ismembc 函数：
ismembc(v, i)
N = 7;
i = [3 5];
%// slayton's solution
tic
for ii = 1:1e5
clear idx;
idx(N) = false;
idx(i) = true;
end
toc
%// H.Muster's solution
tic
for ii = 1:1e5
v = 1:N;
idx = ismember(v, i);
end
toc
%// Jonas' solution
tic
for ii = 1:1e5
idx = sparse(i, 1, true, N, 1);
end
toc
%// ismembc solution
tic
for ii = 1:1e5
v = 1:N;
idx = ismembc(v, i);
end
toc
这是我得到的：
Elapsed time is 1.482971 seconds.
Elapsed time is 6.369626 seconds.
Elapsed time is 2.039481 seconds.
Elapsed time is 0.776234 seconds.
令人惊讶的是，ismembc 确实是最快的！
编辑：
对于非常大的 N 值（即，当 v 是一个大数组时），更快的解决方案实际上是 slayton 的（以及 HebeleHododo 的，就此而言）。您有多种策略可供选择，请谨慎选择:)
H.Muster 编辑：
以下是基准测试结果，包括_ismemberoneoutput：
Slayton's solution:
Elapsed time is 1.075650 seconds.
ismember:
Elapsed time is 3.163412 seconds.
ismembc:
Elapsed time is 0.390953 seconds.
_ismemberoneoutput:
Elapsed time is 0.477098 seconds.
有趣的是，Jonas 的解决方案不适合我，因为我收到了 Index exceeds matrix dimensions. 错误...
由 hoogamaphone 编辑：
值得注意的是，ismembc 要求两个输入都是数字的、排序的、非稀疏的、非 NaN 值，这是source documentation 中很容易忽略的一个细节。
【讨论】：
builtin('_ismemberoneoutput', v, i)，它可能与ismembc 基本相同。不过，ismembc 是一个不错的发现。
_ismemberoneoutput 时收到Cannot find builtin function '_ismemberoneoutput' 错误。如果它适合您，那么您可以对所有四种解决方案进行基准测试吗？
_ismemberoneoutput，它比ismembc稍慢。了解@blubb 可能也很有趣。
ismembc 工作正常，但如果没有排序则失败。
您可以使用ismember
i = [3 5];
v = 1:6;
ismember(v,i)
会回来
ans =
0 0 1 0 1 0
对于可能更快的版本，您可以尝试
builtin('_ismemberoneoutput', v, i)
请注意，我仅针对您指定的行向量进行了测试。
【讨论】：
v，那么这会很慢，因为您需要在每次调用时分配一个带有 1:N 的向量。
ismember 一样好，但速度要快得多。接受他的回答而不是我的回答似乎是公平的。
v 是一个大数组时，它比 slayton 的解决方案要慢。
ismember 而不是 slayton 的解决方案，尽管它速度较慢。因此，他应该更喜欢你的解决方案......
只需创建一个逻辑索引向量并将所需位置设置为真/假
idx = false( size( v) );
idx( i ) = true;
这可以像这样包装在一个函数中：
function idx = getLogicalIdx(size, i)
idx = false(size);
idx(i) = true;
end
如果您需要为每百万次操作中的每个操作分配一次相同大小的索引向量，然后在每次迭代中对其进行操作：
idx = false(size(v)); % allocate the vector
while( keepGoing)
idx(i) = true; % set the desired values to true for this iteration
doSomethingWithIndecies(idx);
idx(i) = false; % set indices back to false for next iteration
end
如果您真的需要性能，那么您可以编写一个 mex 函数来为您执行此操作。这是我编写的一个非常基本的未经测试的函数，它比其他方法快约 2 倍：
#include <math.h>
#include <matrix.h>
#include <mex.h>
void mexFunction(int nlhs, mxArray *plhs[],
int nrhs, const mxArray *prhs[])
{
double M;
double *in;
M = mxGetScalar(prhs[0]);
in = mxGetPr(prhs[1]);
size_t N = mxGetNumberOfElements(prhs[1]);
plhs[0] = mxCreateLogicalMatrix( M,1 );
mxLogical *out= mxGetLogicals( plhs[0] );
int i, ind;
for (i=0; i<N; i++){
out[ (int)in[i] ] = 1;
}
}
在matlab中有几种不同的方式来分配一个向量。有些比其他更快，请参阅此未记录的 Matlab 帖子以获得很好的总结：
这里有一些比较不同方法的快速基准。最后一种方法是迄今为止最快的，但它要求您为每个操作使用相同大小的逻辑索引向量。
N = 1000;
ITER = 1e5;
i = randi(5000,100,1);
sz = [N, 1];
fprintf('Create using false()\n');
tic;
for j = 1:ITER
clear idx;
idx = false( N, 1 );
idx(i) = true;
end
toc;
fprintf('Create using indexing\n');
tic;
for j = 1:ITER
clear idx;
idx(N) = false;
idx(i) = true;
end
toc;
fprintf('Create once, update as needed\n');
tic;
idx = false(N,1);
for j = 1:ITER
idx(i) = true;
idx(i) = false;
end
toc;
fprintf('Create using ismembc\n');
a = ones(N,1);
tic;
for j = 1:ITER
idx = ismembc(1:N, i);
end
toc;
【讨论】：
我希望@slayton 的解决方案最快。但是，这是一种单线替代方案，如果向量很大，它至少可以为您节省一些内存。
vecLen = 6;
logicalIdx = sparse(idx,1,true,vecLen,1);
【讨论】：
只需使用 idx 矩阵寻址一个新变量，它就会为您填充零：
idx = [3 5];
a(idx) = true
不需要函数，也不需要传入长度，除非你也想要尾随零。
【讨论】：
你可以这样写一个函数：
function logicalIdx = getLogicalIdx(idx, v)
logicalIdx = zeros(1,size(v,2));
logicalIdx(idx) = 1;
end
调用函数时：
v = 1:6;
idx = [3 5];
getLogicalIdx(idx,v)
输出将是：
ans =
0 0 1 0 1 0
【讨论】：
你能简单地做 v(i) =1 吗？
例如，如果您说 x = zeros(1,10); 和 a = [1 3 4];
x(a) = 1 将返回 1 0 1 1 0 0 0 0 0 0
【讨论】：