Comment puis-je appliquer une fonction à chaque ligne/colonne d'une matrice dans MATLAB?

Vous souhaitez peut-être le plus obscur de la fonction Matlab bsxfun. À partir de la documentation Matlab, bsxfun "s'applique à l'élément par élément binaire de l'opération spécifiée par la fonction gérer plaisir aux tableaux A et B, avec singleton extension activée."

@gnovice indiqué ci-dessus le montant de cette somme et d'autres fonctions de base sont déjà en fonctionnement sur le premier non-singleton dimension (c'est à dire, les lignes s'il y a plus de lignes, de colonnes si il n'y a qu'une seule ligne, ou les dimensions supérieures, si la réduction des dimensions de taille==1). Cependant, bsxfun fonctionne pour toutes les fonctions, y compris (et surtout) des fonctions définies par l'utilisateur.

Par exemple, disons que vous avez une matrice A et un vecteur ligne B. E. g., disons:

A = [1 2 3;
     4 5 6;
     7 8 9]
B = [0 1 2]

Vous voulez une fonction power_by_col qui rentre dans un vecteur C de tous les éléments de la puissance de la colonne correspondante de B.

À partir de l'exemple ci-dessus, C est une matrice de 3x3:

C = [1^0 2^1 3^2;
     4^0 5^1 6^2;
     7^0 8^1 9^2]

c'est à dire,

C = [1 2 9;
     1 5 36;
     1 8 81]

Vous pourrait faire la force brute chemin à l'aide repmat:

C = A.^repmat(B, size(A, 1), 1)

Ou vous pourriez faire le chic de façon à l'aide de bsxfun, qui prend soin de la repmat étape:

C = bsxfun(@(x,y) x.^y, A, B)

Donc bsxfun vous permet d'économiser quelques pas (vous n'avez pas besoin de calculer explicitement les dimensions d'Une). Toutefois, dans certains tests informels de la mine, il s'avère que repmat est environ deux fois plus rapide si la fonction à appliquer (comme ma fonction puissance, ci-dessus) est simple. Donc vous aurez besoin de décider si vous voulez la simplicité ou de la vitesse.

Bâtiment sur Alex réponse, ici, c'est plus de la fonction générique:

applyToGivenRow = @(func, matrix) @(row) func(matrix(row, :));
newApplyToRows = @(func, matrix) arrayfun(applyToGivenRow(func, matrix), 1:size(matrix,1), 'UniformOutput', false)';
takeAll = @(x) reshape([x{:}], size(x{1},2), size(x,1))';
genericApplyToRows = @(func, matrix) takeAll(newApplyToRows(func, matrix));

Ici est une comparaison entre les deux fonctions:

>> % Example
myMx = [1 2 3; 4 5 6; 7 8 9];
myFunc = @(x) [mean(x), std(x), sum(x), length(x)];
>> genericApplyToRows(myFunc, myMx)

ans =

     2     1     6     3
     5     1    15     3
     8     1    24     3

>> applyToRows(myFunc, myMx)
??? Error using ==> arrayfun
Non-scalar in Uniform output, at index 1, output 1.
Set 'UniformOutput' to false.

Error in ==> @(func,matrix)arrayfun(applyToGivenRow(func,matrix),1:size(matrix,1))'

Ajoutant à l'évolution de la nature de la réponse à cette question, en commençant par r2016b, MATLAB sera implicitement développez singleton dimensions, en supprimant la nécessité pour bsxfun dans de nombreux cas.

De la r2016b notes de version:

Implicite d'Extension: Appliquer à l'élément de sage les opérations et les fonctions de tableaux avec expansion automatique des dimensions de longueur 1

Implicite expansion est une généralisation de scalaire expansion. Avec
scalaire expansion, un scalaire se développe pour être de la même taille que l'autre
tableau afin de faciliter l'élément de sage opérations. Avec implicite de l'expansion,
l'élément-sage des opérateurs et des fonctions énumérées ici implicitement
développez leurs entrées à la même taille, aussi longtemps que les tableaux ont
compatible tailles. Deux matrices sont compatibles tailles si, pour chaque
dimension, la dimension de la taille des entrées sont soit les mêmes ou
l'un d'eux est de 1. Voir Compatible Tableau des Tailles pour les Opérations de Base et
Tableau versus la Matrice Opérations pour plus d'informations.

Element-wise arithmetic operators — +, -, .*, .^, ./, .\

Relational operators — <, <=, >, >=, ==, ~=

Logical operators — &, |, xor

Bit-wise functions — bitand, bitor, bitxor

Elementary math functions — max, min, mod, rem, hypot, atan2, atan2d

Par exemple, vous pouvez calculer la moyenne de chaque colonne d'une matrice A,
puis soustraire le vecteur de la moyenne des valeurs de chaque colonne avec Un -
moyenne(A).

Précédemment, cette fonctionnalité est disponible via le bsxfun fonction.
Il est maintenant recommandé que vous remplacez la plupart des utilisations de bsxfun direct
les appels à des fonctions et des opérateurs du soutien implicite de l'expansion.
Par rapport à l'utilisation bsxfun, implicite expansion de l'offre de vitesse,
meilleure utilisation de la mémoire, et une amélioration de la lisibilité du code.

Aucune des réponses ci-dessus, travaillé "out of the box" pour moi, cependant, la fonction suivante, obtenue par copier les idées des autres réponses œuvres:

apply_func_2_cols = @(f,M) cell2mat(cellfun(f,num2cell(M,1), 'UniformOutput',0));

Elle prend une fonction f et l'applique à chaque colonne de la matrice M.

Ainsi, par exemple:

f = @(v) [0 1;1 0]*v + [0 0.1]';
apply_func_2_cols(f,[0 0 1 1;0 1 0 1])

 ans =

   0.00000   1.00000   0.00000   1.00000
   0.10000   0.10000   1.10000   1.10000

Suis tombé sur cette question/réponse, tout en cherchant comment faire pour calculer la ligne de sommes d'une matrice.

Je voudrais juste ajouter que Matlab la fonction SOMME effectivement en charge de sommation pour une dimension donnée, j'.e une norme de matrice à deux dimensions.

Donc, pour calculer la colonne sommes ne:

colsum = sum(M) % or sum(M, 1)

et pour la ligne des sommes, tout simplement

rowsum = sum(M, 2)

Mon pari est que c'est plus rapide que la programmation d'une boucle for et la conversion de cellules 🙂

Tout cela peut être trouvé dans le matlab de l'aide pour la SOMME.