我有两个 MATLAB 向量，其中一个是简单的升序向量，比如下面这个：
ind = [1 2 3 4];
和另一个大小与ind 相同，但数量可能不同：
vec=[46 91 9 10];
这两个向量彼此之间存在某种对应关系，因此我希望能够创建一个映射 M，例如 M(46) = 1、M(91) = 2 等。当然，使用完整矩阵 M 的解决方案通常会非常浪费，因为它会假设一个矩阵的大小等于vec 的最大可能值。我怎样才能压缩这个映射？
本质上，我正在寻找 MATLAB 等价物，否则将使用 Python dict 或 C++ std::map<int, int> 解决。
【问题讨论】：
你想要一个map：
M = containers.Map(vec, ind);
【讨论】：
如果vec 是固定的，并且您想要的不是很“重”，您可以像这样定义M：
M = @(x)find(vec == x);
【讨论】：
x 不是 1,2 的形式，...）我会使用 M = @(x) ind(find(vec == x));
Matlab 最接近的内置函数是sparse 矩阵。限制是您必须预先指定最大可能的索引（尽管这可能非常大，但您无需支付任何费用）并且默认值（对于未分配的条目）必须始终为 0。但它会起作用：
M = sparse( 20000000, 1 );
M( vec ) = ind
为了获得更大的灵活性，您可以创建自己的类，覆盖 subsref 和 subsasgn 方法（大致相当于 Python 的 __getitem__ 和 __setitem__）并将键和值存储在您自己的自定义中方式。不幸的是，根据我的经验，这种（面向对象的）解决方案在 Matlab 中往往非常缓慢。
更新：Luis Mendo 的解决方案 M = containers.Map( vec, ind ) 更加优雅，更类似于等效的 C++ 和 Python 解决方案。我没有听说过containers.Map 类。如果时序性能对您的应用程序至关重要，我怀疑它会慢很多。我使用这些值的初步测试表明，从sparse 矩阵中检索比从containers.Map 中检索快大约 10 倍。
【讨论】：
sparse 矩阵检索肯定比从Map 检索快得多，但创建Map 比创建sparse 矩阵要快得多，因此取决于OP 的具体情况代码可以更快。 sparse 矩阵方法实际上比我预期的要快得多！