按嵌套唯一值分组答案

【问题标题】：Grouping by nested unique values按嵌套唯一值分组
【发布时间】：2017-06-20 03:36:35
【问题描述】：

我在 Matlab 中有一个矩阵 A：

A = [176  5406  1  4  7903;
     155  5406  1  5  7903;
     122  5407  0  4  7903;
     140  5407  0  5  7904;
     130  5407  0  3  7904];

仅供参考 - 第二列是用户 ID，而第四列是时间。所以5406 是一个用户，5407 是另一个用户。这两个用户都有一些信息存储在我有兴趣访问的第一列和第四列中。

所以基本上我想做的是：

对于每个用户，在第一列中取其值的中值。我已经编写了适用于此的代码（如下）。
如果每个用户在第 5 列中有两个相等的“时间”值，那么我想对第 4 列中的值进行平均。所以对于用户 5406，时间值都是 7903，我想要到第 4 列中值的平均值 - 即 4 和 5 的平均值最终得到一个值 (4.5)。

但是例如对于下一个用户5407，我将有两个最终值 - 一个是 5 和 3 的平均值（因为 7904 重复），一个是 4（因为 7903 不重复）。

我对如何做到这一点有点困惑，我知道需要有某种if 声明，但我已经坚持了很长时间。有人可以帮忙吗？

谢谢

第一部分的代码：

u=unique(A(:,2));
for i=1:size(u,1)
    M=find(A(i,2)==u(i));
    med(i)=median(A(M,1));
end

【问题讨论】：

我会使用逻辑索引，例如，对于您想做的第一件事，您可以使用：median(A((A(:,2)==5406),1)) 对于第一个用户等...
为了这个问题，我刚刚缩小了矩阵，但我有大约 20,000 个用户，我无法列出每个用户...
但您可以循环遍历示例中编写的u...只需将值 5406 替换为 u(i)

标签： matlab for-loop matrix duplicates unique

【解决方案1】：

您可以为每个用户的时间值（在循环内）运行 unique，并执行类似的子循环来收集该用户唯一时间戳的平均值。

但在这里我认为使用accumarray 更简洁。在下面的第一个示例中，我稍微修改了您的代码。

% Get unique
[user, ~, userIdx] = unique(A(:,2));
nUser = numel(user);

% Allocate container for result
med = zeros(nUser,1);
men = cell(nUser,1); % <-- Need a cell since length of result could vary

for i = 1:nUser
    % Median of col #1
    med(i) = median(A(userIdx == i, 1));

    % Mean of col #4 for unique times
    [~, ~, timeIdx] = unique(A(userIdx == i, 5));
    men{i} = accumarray(timeIdx, A(userIdx == i, 4), [], @mean);
end

结果：

>> med =
        165.5
          130

>> celldisp(men)
men{1} =
          4.5
men{2} =
          4
          4

为了进一步压缩它，您可以为整个 A 使用独特的时间，并为两者使用 accumarray

[~, ~, userIdx] = unique(A(:,2));
[~, ~, timeIdx] = unique(A(:,5));

med = accumarray(userIdx, A(:,1), [], @median);
men = accumarray([userIdx timeIdx], A(:,4), [], @mean, NaN);

这使得men 不是一个单元格而是一个矩阵。因此必须填充空格（这里我选择NaN，因为0 可能是@mean 的结果）。

men =
          4.5          NaN
            4            4

如果您希望它作为没有NaN 的单元格，您可以循环遍历行并选择非NaN 值，或者仅将men 计算放在循环中，或任何其他方式...

如果您确定 A 的第 4 列不包含任何负数或零数（平均值永远不会冒 0 的风险），您可以将 men 的结果收集为稀疏矩阵

men = accumarray([userIdx timeIdx], A(:,4), [], @mean, 0, true);
men =
   (1,1)             4.5
   (2,1)               4
   (2,2)               4

【讨论】：

【解决方案2】：

我在不使用任何循环的情况下为您的任务找到了另一种解决方案：

中值。

u=unique(A(:,2));
umedians = arrayfun( @(x) median (A( A(:,2)==x, 1)), u);

说明：首先找到所有唯一用户。然后使用arrayfun查找当前用户的所有数据，并为每个用户计算median。

第 4 列的平均值。

这个任务有点难。我们可以这样走：

temp = arrayfun( @(x) unique(A ( A(:,2)==x,5 )), u, 'UniformOutput',false);
result = cellfun( @(y,z) arrayfun( @(x) mean( A( A(:,2) == u(z) & A(:,5) == x ,4) ), ... 
          y, 'UniformOutput',false), temp , num2cell( [1:size(u,1)]'), 'UniformOutput',false)

说明：首先让我们找出每个用户的所有唯一时间。将其保存到元胞数组temp。现在我们需要为每个单元格找到相同的时间并计算平均值。因此，让我们使用cellfun 为temp 的每个单元格生成它，并在其中使用arrayfun 来计算mean。

希望对你有帮助！

【讨论】：