在 MATLAB 中将长字符串拆分为子字符串的最有效方法答案

【问题标题】：Most efficient way of splitting long string into substrings in MATLAB在 MATLAB 中将长字符串拆分为子字符串的最有效方法
【发布时间】：2016-03-01 02:10:24
【问题描述】：

我正在研究 MATLAB 中的一个函数，它比较两个基因序列并确定它们的相似性。为此，我将两个序列划分为更小的子字符串，方法是使用 for 循环遍历它们，一次移动一个核苷酸并将子字符串添加到单元阵列中。

例如，子字符串长度为 4 的字符串 ATGCAAAT 不会被拆分为

ATGC , AAAT

而是作为

ATCG、TGCA、GCAA、CAAA、AAAT

我试图加快函数的执行速度，因为这两个 for 循环提供了几乎 90% 的执行时间，我想知道 MATLAB 中是否有更快的方法来执行此操作。

这是我目前使用的代码：

 SubstrSequence1 = {};                                                
 SubstrSequence2 = {};
 for i = 1:length(Sequence1)-(SubstringLength-1)                
     SubstrSequence1 = [SubstrSequence1, Sequence1(i:i+SubstringLength-1)];
 end

 for i = 1:length(Sequence2)-(SubstringLength-1)                
     SubstrSequence2 = [SubstrSequence2, Sequence2(i:i+SubstringLength-1)]; 
 end

【问题讨论】：

标签： string matlab split substring

【解决方案1】：

一种方法是生成一个索引矩阵，以适当地提取您想要的子字符串：

>> sequence = 'ATGCAAAT';
>> subSequenceLength = 4;
>> numSubSequence = length(sequence) - subSequenceLength + 1;
>> idx = repmat((1:numSubSequence)', 1, subSequenceLength) + repmat(0:subSequenceLength-1, numSubSequence, 1);
>> result = sequence(idx)

    result =

        ATGC
        TGCA
        GCAA
        CAAA
        AAAT

【讨论】：

【解决方案2】：

这是使用hankel 获取SubstrSequence1 的一种方法-

A = 1:numel(Sequence1);
out = cellstr(Sequence1(hankel(A(1:SubstringLength),A(SubstringLength:end)).'))

您可以按照相同的步骤找到SubstrSequence2。

示例运行 -

>> Sequence1 = 'ATGCAAAT';
>> SubstringLength = 4;
>> A = 1:numel(Sequence1);
>> cellstr(Sequence1(hankel(A(1:SubstringLength),A(SubstringLength:end)).'))
ans = 
    'ATGC'
    'TGCA'
    'GCAA'
    'CAAA'
    'AAAT'

【讨论】：

我开始使用 hankel，但无法让它工作！
@LuisMendo 我从 bsxfun 开始，但为时已晚！ :)
我确信你已经开始了：-P

【解决方案3】：

这个怎么样？

str = 'ATGCAAAT';
n = 4;
strs = str(bsxfun(@plus, 1:n, (0:numel(str)-n).'));

结果是一个二维字符数组：

strs =
ATGC
TGCA
GCAA
CAAA
AAAT

所以部分字符串是strs(1,:)、strs(2,:) 等。

如果您希望结果为 字符串的单元格数组，请在末尾添加：

strs = cellstr(strs);

生产

strs = 
    'ATGC'
    'TGCA'
    'GCAA'
    'CAAA'
    'AAAT'

然后部分字符串为strs{1}、strs{2}等。

【讨论】：

非常感谢，这很好用。它比我使用的 for 循环快 3 倍左右，并且比这里的其他建议快一点。