在 MATLAB 中查找成对比较的重复项答案

【问题标题】：Find duplicates of pairwise comparisons in MATLAB在 MATLAB 中查找成对比较的重复项
【发布时间】：2018-05-22 00:16:48
【问题描述】：

我有一个非常大的数据集，如下所示：

x1 x2
2  5
4  10
5  2
....

我想找到所有具有相同值（重复）的行，但是，不管顺序如何。在上面的示例中，我想找到第 1 行和第 3 行，因为它们都有值 2 和 5。

由于我有大约 14000 次比较，我如何使用 MATLAB 以有效的方式做到这一点？

【问题讨论】：

[2 5; 4 10; 5 2; 6 7; 6 7] 的输出是什么？
@LuisMendo 不知何故是一个矩阵，其中每一行都有包含重复值的行的索引。所以在这个例子中可能是[1 3; 4 5]
@lala_12 这对于[2 5; 4 10; 5 2; 6 7; 6 7; 6 7] 将失败，因为您想要输出[1 3; 4 5 6]，它不是一个有效的矩阵。给我们一个“也许”你想要的定义不是一个明确定义的问题，请决定你喜欢的特定输出格式。像{{2,5}, {1,3}; {6,7}, {4,5,6}} 这样的单元格数组可以工作，但并不优雅。
@Wolfie 如果你有[1 3 0; 4 5 6]，问题就会得到解决。但是，我没有考虑按照您的建议制作单元阵列。我更喜欢那个输出。
可以使用sort(...,2)、unique 和accumarray 完成。我现在没有时间（也没有电脑）；我会在当天晚些时候尝试这样做

标签： matlab loops dataframe duplicates

【解决方案1】：

首先，按列排序。这意味着每一行都将首先具有最低值，并且无论原始顺序如何，您都在比较行。

arr = [2 5; 4 10; 5 2; 6 7; 6 7; 6 7];
arrSorted = sort( arr, 2 );

然后使用unique 获取所有唯一行及其对应的索引。

[uRows, ~, iRows] = unique( arrSorted, 'rows' );

输出：

>> uRows = [2  5 
            4 10
            6  7]
>> iRows = [1
            2
            1
            3 
            3
            3]

数组iRows 是arr 中每一行在uRows 内的索引，因此例如第三行[6 7] 出现在arr 的最后三行中（以某种顺序）。

您可能需要多种格式的结果。如果您需要的不仅仅是上述数组，您可以考虑使用元胞数组。一个简单的循环将是创建它的一种清晰方法：

c = cell(size(uRows,1), 2);
for ii = 1:size(uRows,1)
    c{ii,1} = uRows(ii,:);         % This row
    c{ii,2} = find( iRows == ii ); % Indices of this row value within 'arr'
end

【讨论】：