什么时候适合在 Matlab 中使用元胞数组与结构？答案

【问题标题】：When is it appropriate to use a cell array vs. a struct in Matlab?什么时候适合在 Matlab 中使用元胞数组与结构？
【发布时间】：2010-09-03 13:00:59
【问题描述】：

如果我想在一个变量中存储一些不同大小的字符串或矩阵，我可以考虑两种选择：我可以创建一个结构数组并让其中一个字段保存数据，

structArray(structIndex).structField

或者我可以使用元胞数组，

cellArray{cellIndex}

但是对于何时使用哪种数据结构有一个通用的经验法则吗？我想知道在某些情况下使用其中一种是否有缺点。

【问题讨论】：

标签： arrays matlab struct cell

【解决方案1】：

在我看来，这更多是为了方便和代码清晰。问问自己，您更喜欢按数字还是按名称来引用变量元素。然后在前一种情况下使用单元数组，在以后使用结构数组。想一想，就好像你有一个有和没有标题的表格。

顺便说一句，您可以使用CELL2STRUCT 和STRUCT2CELL 函数在结构和单元格之间轻松转换。

【讨论】：

对于单元格数组，您需要一些元数据来识别单元格内容。精心选择的字段名称使您的代码自我解释。

【解决方案2】：

如果您在函数中使用它进行计算，我建议您使用元胞数组，因为它们更方便处理，例如谢谢到CELLFUN。

但是，如果您使用它来存储数据（并返回输出），最好返回结构，因为字段名称（应该）是自记录的，因此您不需要记住您在单元格数组的第 7 列。此外，您可以轻松地在结构中包含一个“帮助”字段，如果需要，您可以在其中对这些字段进行一些额外的说明。

结构对于数据存储也很有用，因为如果您想在以后更新代码，可以用对象替换它们而无需更改代码（至少在您预先分配结构的情况下） .它们具有相同的语法，但对象将允许您添加更多功能，例如依赖属性（即基于其他属性动态计算的属性）。

最后，请注意单元格和结构会为每个字段增加几个字节的开销。因此，如果您想使用它们来处理大量数据，最好使用包含数组的结构/单元，而不是使用字段/元素仅包含标量的大型结构/单元数组。

【讨论】：

【解决方案3】：

这段代码表明元胞数组的赋值和检索速度大约是结构体的两倍。我没有将这两个操作分开。可以很容易地修改代码来做到这一点。

之后运行“whos”表明他们使用的内存量非常相似。

我的目标是用 Python 术语制作一个“列表列表”。也许是“数组数组”。

我希望这很有趣/有用！

%%%%%%%%%%%%%%  StructVsCell.m %%%%%%%%%%%%%%%

clear all

M = 100; % number of repetitions
N = 2^10; % size of cell array and struct


for m = 1:M
    % Fill up a template cell array with
    % lists of randomly sized matrices with
    % random elements.
    template{N} = 0;
    for n = 1:N
        r1 = round(24*rand());
        r2 = round(24*rand());
        r3 = rand(round(r2*rand),round(r1*rand()));
        template{N} = r3;
    end

    % Make a cell array equivalent
    % to the template.
    cell_array = template;

    % Create a struct with the
    % same data.
    structure = struct('data',0);
    for n = 1:N
        structure(n).data = template{n};
    end

    % Time cell array
    tic;
    for n = 1:N
        data = cell_array{n};
        cell_array{n} = data';
    end
    cell_time(m) = toc;

    % Time struct
    tic;
    for n = 1:N
        data = structure(n).data;
        structure(n).data = data';
    end
    struct_time(m) = toc;
end

str = sprintf('cell array: %0.4f',mean(cell_time));
disp(str);
str = sprintf('struct: %0.4f',mean(struct_time));
disp(str);
str = sprintf('struct_time / cell_time: %0.4f',mean(struct_time)/mean(cell_time));
disp(str);

% Check memory use
whos

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

【讨论】：

哦，感谢@jonas 告诉我有关 CELLFUN 的信息。我不知道该函数，并将在我现在正在处理的代码中使用它。
根据您的代码 struct 在我的情况下要快四倍

【解决方案4】：

首先，我赞同 yuk 的回答。从长远来看，清晰度通常更为重要。

但是，根据数据的不规则形状，您可能还有两个选择：

选项 3：structScalar.structField(fieldIndex)

选项 4：structScalar.structField{cellIndex}

在这四个中，#3 对大量元素的内存开销最小（它最小化了矩阵的总数），我的意思是大于 100,000。如果您的代码适合在 structField 上进行矢量化，那么它也可能是性能上的胜利。如果您无法将structField 的每个元素收集到单个矩阵中，则选项 4 具有符号优势，但没有选项 3 的内存和性能优势。这两个选项都可以更轻松地在整个数据集上使用 arrayfun 或 cellfun，代价是要求您分别从每个字段中添加或删除元素。选择取决于您如何使用您的数据，这让我们回到 yuk 的答案——选择最清晰的代码。

【讨论】：