查找重复元胞数组

Question

我有一个类似的单元格数组

 A = {'hello'; 2; 3; 4; 'hello';2;'hello'}

我想查找此数组中是否有重复项并确定它们的名称和索引。 在这个例子中，我想要这样的东西：

names = {'hello';2};
indexes = [1, 5, 7;
         2, 6, 0];

我已将第二行索引的最后一个元素设置为 0，只是为了在维度上没有问题...我的问题是元胞数组既是 char 又是 double...我不知道如何处理这个...

Answer 1

乱七八糟，不过可以搞定：

m = max(cellfun(@length, A));
A2 = cellfun(@(e) [double(e) inf(1,m-length(e)) ischar(e)], A, 'uni' ,false);
A2 = cell2mat(A2);
[~, ~, jj] = unique(A2,'rows');
num = accumarray(jj,1,[],@numel);
[~, kk] = max(bsxfun(@eq, jj, find(num>1).'));
names = A(kk);
indices = arrayfun(@(n) find(jj==jj(kk(n))), 1:length(kk), 'uni', false);

这是如何工作的：A2 只是将A 转换为数字矩阵。每行代表A的一个条目，最后一列用作区分原始数字和原始字符串的标志，inf用作填充符。然后通常的一对unique 和accumarray 做实际的工作，结果是从jj 和num 得到一些比较和索引。

Answer 2

因为您使用的是包含字符串和数字的结构，所以事情并不那么容易。假设您根本无法更改这一点，查找唯一值及其索引的最佳方法是循环遍历指定的元胞数组，并将其内容保存到地图对象中，该对象将存储这些唯一条目存在的索引。

这对于 MATLAB 的 map 结构非常简单，可以按照下面的代码进行。

A = {'hello'; 2; 3; 4; 'hello';2;'hello'}

cellMap = containers.Map();
for i = 1 : numel(A)
    mapKey = num2str(A{i});
    if cellMap.isKey(mapKey)
       tempCell = cellMap(mapKey);
       tempCell{numel(tempCell)+1} = i;
       cellMap(mapKey) = tempCell;
    else
        tempCell = cell(1);
        tempCell{1} = i;
        cellMap(mapKey) = tempCell;
    end
end

您可以通过输入cellMap.keys 找到所有唯一值，这将返回

ans = 
    '2'    '3'    '4'    'hello'

然后您可以使用这些键通过cellMap('hello') 找出它们在原始数组中出现的位置。

ans = 
    [1]    [5]    [7]

完成所有这些后，您可以进行一些转换以恢复原始状态并将内容更多地转换为您想要的格式。

uniqueVals = cellMap.keys;
uniqueIndices = cell(1,numel(uniqueVals));
for i = 1:numel(uniqueVals)
    uniqueIndices{i} = cell2mat(cellMap(uniqueVals{i}));
      numEquiv = str2double(uniqueVals{i});
      if ~isnan(numEquiv)
          uniqueVals{i} = numEquiv;
      end
end
uniqueVals{4}
uniqueIndices{4}

将返回：

ans =
    hello
ans = 
    1     5     7

另一种选择，可能更简单直接，就是复制您的元胞数组，并将其所有内容转换为字符串格式。这不会立即以您想要的格式返回内容，但它是一个开始

B = cell(size(A));
for i = 1:numel(A)
    B{i} = num2str(A{i});
end
[C,~,IC] = unique(B)

然后您可以使用来自unique 的返回来查找索引，但老实说，这一切都已经通过我上面编写的映射代码完成了。

Answer 3

这是一个更优雅的解决方案（而且更简单！）：

%// Find repeating cells
A = A(:);        %// Make sure it's a column array
ia = 1:numel(A);
tf = sortrows(bsxfun(@(m, n)cellfun(@isequal, A(m), A(n)), ia, ia(:)));
tf = tf(any(diff([zeros(size(ia)); tf]), 2) & sum(tf, 2) > 1, :);

%// Extract corresponding indices and values
indices = arrayfun(@(x){find(tf(x, :))}, 1:size(tf, 1));
names = cellfun(@(x)A(x(1)), indices);

此解决方案适用于任何数据，而不仅仅是字符串和数字。

示例

如果我们运行这个：

A = {'hello'; 2; 3; 4; 'hello'; 2; 'hello'; 4}

我们得到：

indices =
     [4   8]
     [2   6]
     [1   5   7]

names = 
    4
    2
    'hello'