MATLAB Accumarray 加权平均值答案

【问题标题】：MATLAB Accumarray weighted meanMATLAB Accumarray 加权平均值
【发布时间】：2014-05-12 14:08:30
【问题描述】：

所以我目前正在使用“accumarray”来查找与匹配 ID 相对应的一系列数字的平均值。前输入：

ID----Value
1     215
1     336
1     123
2     111
2     246
2     851

我当前的代码找到上述值的未加权平均值，使用 ID 作为“分隔符”，这样我就不会将所有值的平均值作为一个数字，而是将结果单独计算为有对应的ID。 EX 输出：

ID----Value
1     224.66
2     402.66

为此，我使用以下代码：

[ID, ~, Groups] = unique(StarData2(:,1),'stable');
app = accumarray(Groups, StarData2(:,2), [], @mean);

StarData2 是函数的输入。到目前为止，这对我的目的来说非常有效，我需要知道是否可以让 accumarray 给我一个加权平均值，以便可以为应用程序中的每个点（在找到平均值之前）分配一个权重，或者 @mean 可以替换为可以实现此目的的功能。新输入将如下所示：

ID----Value----Weight
1     215     12
1     336     17
1     123     11
2     111     6
2     246     20
2     851     18

新代码必须执行 sum(val(i)*weight(i))/sum(weight) 而不仅仅是标准平均值。感谢您的帮助。

【问题讨论】：

标签： matlab average mean accumarray

【解决方案1】：

您可以直接计算加权平均值或许多其他函数，而不是使用accumarray，非常简单：

nIDs = length(unique(ID));
WeightedMean = zeros(nIDs, 1);

for ii = 1:nIDs
    iID = (ID == ii);
    WeightedMean(ii) = (Value(iID)' * Weight(iID)) / sum(Weight(iID));
end

您是否有特定原因希望通过accumarray 执行此操作？

【讨论】：

【解决方案2】：

您可以将行索引用作“vals”（second input 到 accumarray）并定义您自己的函数来对数据组进行加权平均：

Weights = data(:,3); Vals = data(:,2); % pick your columns here
WeightedMeanFcn = @(ii) sum(Vals(ii).*Weights(ii))/sum(Weights(ii));
wmeans = accumarray(Groups, 1:numel(Groups), [], WeightedMeanFcn)

演示

从data（带有权重的新输入）和unique 命令开始：

data = [1,215,12; 1,336,17; 1,123,11; 2,111,6; 2,246,20; 2,851,18];
[ID, ~, Groups] = unique(data(:,1),'stable');

accumarray的用法如下（重新定义WeightedMeanFcn每次你改变data！）：

>> Weights = data(:,3); Vals = data(:,2); % pick your columns here
>> WeightedMeanFcn = @(ii) sum(Vals(ii).*Weights(ii))/sum(Weights(ii));
>> app = accumarray(Groups, 1:numel(Groups), [], WeightedMeanFcn)
app =
  241.1250
  475.0909

手动检查，第一组：

ig = 1;
sum(data(Groups==ig,2).*data(Groups==ig,3))/sum(data(Groups==ig,3))
ans =
  241.1250

【讨论】：

注意：data 不是WeightedMeanFcn 的输入。它必须在定义WeightedMeanFcn 之前定义！那么它将是captured by the anonymous function。
这很好，但我得到的输出是错误的，所以我正在更新 OP 以显示输入和输出的确切样式。
@ImmortalxR WeightedMeanFcn = @(x) sum(StarData4(x,5).*StarData4(x,6))/sum(StarData4(x,6))。我正在修改我的代码，使权重和值更加明确，而不是列。
太棒了！效果很好。我尝试自己进行类似的更改，但没有奏效，但这很棒！
@ImmortalxR 太棒了！只需记下我所说的每次更改数据数组时都必须重新定义匿名函数，因为该函数在定义 data 数组时在内部存储它。

【解决方案3】：

您要计算的不是加权平均值，而是加权直方图。
可以在here 找到加权直方图的 mex 实现。不过，accumarray 是安全的方式。

【讨论】：

【解决方案4】：

@Naveh - 通常，建议避免在 Matlab 中使用循环。具体来说，如果您拥有包含许多组的大量数据 - 这可能会非常慢。

使用accumarray 是可行的方法，但是按照@chappjc 的建议定义索引函数很容易出错，因为为了被匿名函数捕获，您必须确保

数据不是 WeightedMeanFcn 的输入。必须在之前定义定义WeightedMeanFcn，

正如@chappjc 在他的评论中所说。

为了解决这个问题，稍作修改是使用accumarray 两次：

Weights = data(:,3); Vals = data(:,2); % pick your columns here    
app = accumarray(Groups, Weights.*vals, [], @mean)./accumarray(Groups, Weights, [], @mean);

有时您可能需要将 [] 参数替换为所需输出的大小。

【讨论】：

只有一个建议：使用@sum 而不是@mean。