matlab矩阵中的元素里,怎么得到一个矩阵所含的元素个数

查看: 9310|回复: 13|关注: 0
如何判断一个矩阵0-1矩阵中元素为1的个数?
<h1 style="color:# 麦片财富积分
新手, 积分 9, 距离下一级还需 41 积分
随机给定一个0-1矩阵,如何判断这个矩阵中元素为1的个数?谢谢了
<h1 style="color:# 麦片财富积分
sum(sum(A,1),1)
<h1 style="color:# 麦片财富积分
抱歉,上面好像错了
sum(sum(A,1))应该就可以了
<h1 style="color:# 麦片财富积分
m=input('行数:');
n=input('列数:');
A=round(rand(m,n));
for k=1:m*n;
& && & if A(k)==1
& && &&&N=N+1;
& && & end
disp(['1的个数:',num2str(N)]);
<h1 style="color:# 麦片财富积分
m=input('行数:');
n=input('列数:');
A=round(rand(m,n));
N=sum(sum(A,1));
disp(['1的个数:',num2str(N)]);
<h1 style="color:# 麦片财富积分
sum(A(:))
复制代码
<h1 style="color:# 麦片财富积分
n=find(a==1);
m=length(n)
m即为1的个数& && && && && && && && & .
<h1 style="color:# 麦片财富积分
谢谢各位了,你们的方法都行的通,真的很感谢你们!
<h1 style="color:# 麦片财富积分
如果随机生成一个0-1矩阵L=round(rand(10,10)),用sum(sum(A,1))判断出里面1的个数k以后,随机生成一个行向量,列数为k,如何用这个1行k列的向量去替换L矩阵中为1的元素?
谢谢大家。
<h1 style="color:# 麦片财富积分
L=round(rand(10,10));
k=sum(L(:));
V=rand(1,k);
L(L==1)=V;
站长推荐 /2
Powered by查看: 7347|回复: 8|关注: 0
如何计算矩阵某列中某元素出现的次数?
<h1 style="color:# 麦片财富积分
新手, 积分 5, 距离下一级还需 45 积分
numel(find(A(:,n)==m))
length(find(A(:,n)==m )&&这两个操作好像都行啊,哪个操作比较好?
btw, Matlab中很多基本函数需要掌握,numel这样的函数也属于需要熟练掌握的范畴么?
帖子最佳答案
关注者: 451
numel和length都是matlab built-in函数,是效率最高的一类函数。但是具体到你的问题,要说哪个效率更高的话,你可以将两段代码分别重复1000次(或更大),用tic toc测定运行时间来判断谁的效率更高。但实际上即使效率有一定差别,平均到单次调用的话,这种差别也是微乎其微的,毕竟他们都是built-in函数,效率都很高。如果是初学的话,我觉得应该更多的focus在编程的简洁性和熟练度上,然后再思考程序效率问题
基本函数(尤其是built-in函数)当然是掌握得越多越好了,numel和length都是最常见的函数,肯定在需要熟练掌握的范畴以内。建议你每当要实现一个基本功能时,先查阅(matlab help或者google)一下是否有matlab函数支持,这样,带着问题去学习函数,往往能掌握得比较好。
关注者: 209
你可多参考下楼上的意见,另外:
对于a非空,length(a)相当于max(size(a))
而numel(a)是直接求a的元素个数
虽然对于一列或一行元素他的length必然等于numel,不过由于length还需要比较大小,所以理论上讲numel快一些
对于非1行或1列的矩阵,两者作用和结果都是不同的,按照需要使用
另外如果你想找向量a中某个数字t的个数最好是用sum(a==t)
<h1 style="color:# 麦片财富积分
kaaaf123 发表于
你可多参考下楼上的意见,另外:
对于a非空,length(a)相当于max(size(a))
sum(a==t) 计算效率比numel(find(a==t))要高么?
关注者: 209
foresthz 发表于
sum(a==t) 计算效率比numel(find(a==t))要高么?
如果你真的参考了2L的意见应该会自己去测试,而不是等着别人告诉你
<h1 style="color:# 麦片财富积分
tabulate 试试;
<h1 style="color:# 麦片财富积分
关注者: 1
又学到了一点儿东西
关注者: 32
本帖最后由 MATLAB学徒 于
22:01 编辑
function find_martix_equal_element(x)
ii=1;
x=sort(x(:));
while&&ii&=numel(x)
&&num1=find(x==x(ii));
&&if numel(num1)&1
& && & str=[num2str(x(ii))& &'在该矩阵里出现了'&&num2str(numel(num1))& &'次'];
&&disp(str)
& && &x(num1)=[];
&&else
& && &str=[num2str(x(ii))& &'在该矩阵里出现了'&&num2str(numel(num1))& &'次'];
& && &x(num1)=[];
&&disp(str)
&&end
&&ii=
end
复制代码一个简单的程序,希望对你有用!
<h1 style="color:# 麦片财富积分
MATLAB学徒 发表于
一个简单的程序,希望对你有用!
请问如果是将这个结果存为矩阵应该怎么处理呢?
站长推荐 /2
Powered by温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!&&|&&
LOFTER精选
网易考拉推荐
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
&删除向量中相同值的元素:unique统计矩阵中相同元素的个数:1.如果在一个矩阵中杂乱的分布这一组数据,且数据中有重复,想统计出相同数据出现的次数,可使用以下方法:设该矩阵为a(1,20),则可以a=[2.57,2.9,2.87,2.82,2.49,2.69,3.09,2.91,3.0,3.058,2.92,2.84,3.23,3.1,3.02,3.11,2.87,2.95,2.92,2.73];&[m n]=hist(a,unique(a));得到的结果n为相应的量,对应的m为n在a中出现的次数。x=unique(a);m =[ 1 1 1 1 1 1 2 1 1 2 1 1 1 1 1 1 1 1]n =[ 2.0 2.0 2.0 2.0 2.0 2.0 3.0 3.0 3.0]该方法不必对a排序后再统计,较为方便。
阅读(5183)|
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
历史上的今天
loftPermalink:'',
id:'fks_',
blogTitle:'统计矩阵中相同元素的个数 Matlab',
blogAbstract:''
{list a as x}
{if x.moveFrom=='wap'}
{elseif x.moveFrom=='iphone'}
{elseif x.moveFrom=='android'}
{elseif x.moveFrom=='mobile'}
${a.selfIntro|escape}{if great260}${suplement}{/if}
{list a as x}
推荐过这篇日志的人:
{list a as x}
{if !!b&&b.length>0}
他们还推荐了:
{list b as y}
转载记录:
{list d as x}
{list a as x}
{list a as x}
{list a as x}
{list a as x}
{if x_index>4}{break}{/if}
${fn2(x.publishTime,'yyyy-MM-dd HH:mm:ss')}
{list a as x}
{if !!(blogDetail.preBlogPermalink)}
{if !!(blogDetail.nextBlogPermalink)}
{list a as x}
{if defined('newslist')&&newslist.length>0}
{list newslist as x}
{if x_index>7}{break}{/if}
{list a as x}
{var first_option =}
{list x.voteDetailList as voteToOption}
{if voteToOption==1}
{if first_option==false},{/if}&&“${b[voteToOption_index]}”&&
{if (x.role!="-1") },“我是${c[x.role]}”&&{/if}
&&&&&&&&${fn1(x.voteTime)}
{if x.userName==''}{/if}
网易公司版权所有&&
{list x.l as y}
{if defined('wl')}
{list wl as x}{/list}

我要回帖

更多关于 matlab 提取矩阵元素 的文章

 

随机推荐