如何在MATLAB中的一组单元阵列中有效地找到独特的单元阵列？

Question

我需要在一组单元阵列中找到唯一的单元阵列。例如，如果这是我输入：

I = {{'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'b' 'c'} ... 
    {'d' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'c' 'e'}}; 

然后，我想我的输出看起来像这样：

I_unique = {{'a' 'b' 'c' 'd' 'e'} ... 
      {'a' 'b' 'c'} ... 
      {'d' 'e'} ... 
      {'a' 'c' 'e'}}; 

你有任何想法如何做到这一点？输出中元素的顺序无关紧要，但效率确实很高，因为单元阵列可能非常大。

Answer 1

如果你的细胞只含有分类单个字符，那么你可以使用保留只是独特的序列：

 
>> I = {{'a' 'b' 'c' 'd' 'e'} {'a' 'b' 'c'} {'d' 'e'} {'a' 'b' 'c' 'd' 'e'} {'a' 'b' 'c' 'd' 'e'} {'a' 'c' 'e'}}; 
>> I_unique = cellfun(@char, I, 'uniformoutput', 0); 
>> I_unique = cellfun(@transpose, I_unique, 'uniformoutput', 0); 
>> I_unique = unique(I_unique) 

I_unique = 

    'abc' 'abcde' 'ace' 'de' 

然后，您可以再次分裂所产生的细胞成单个字符：

 
>> I_unique = cellfun(@transpose, I_unique, 'uniformoutput', 0); 
>> I_unique = cellfun(@cellstr, I_unique, 'uniformoutput', 0); 
>> I_unique = cellfun(@transpose, I_unique, 'uniformoutput', 0); 
>> I_unique{:} 

ans = 

    'a' 'b' 'c' 


ans = 

    'a' 'b' 'c' 'd' 'e' 


ans = 

    'a' 'c' 'e' 


ans = 

    'd' 'e' 

Answer 2

编辑：已更新为使用更高效的算法。

如果效率相当于I中的大量集合，那么您的最佳选择可能是推出自己的优化循环。这个问题与前面关于how to efficiently remove sets that are subsets of or equal to another的问题有一些相似之处。这里的区别在于你不关心删除子集，只是重复，所以my answer to the other question中的代码可以修改，以进一步减少进行比较的次数。

首先我们可以认识到，比较具有不同数量元素的集合没有意义，因为它们在这种情况下不可能匹配。因此，第一步是计算每个集合中的字符串数量，然后遍历每个具有相同字符串数量的集合组。

对于这些组中的每个组，我们将有两个嵌套循环：每个集合的外部循环从集合的结尾开始，以及一个内部循环遍布在每个集合的前面。如果/当找到第一个匹配时，我们可以将该集合标记为“不唯一”，并打破内部循环以避免额外的比较。在集合的末尾启动外部循环会给我们额外的奖励，在I_unique中设置的额外奖励将保持I的出现顺序。

这里是生成的代码：

I = {{'a' 'b' 'c' 'd' 'e'} ... %# The sample cell array of cell arrays of 
    {'a' 'b' 'c'} ...   %# strings from the question 
    {'d' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'b' 'c' 'd' 'e'} ... 
    {'a' 'c' 'e'}}; 
nSets = numel(I);     %# The number of sets 
nStrings = cellfun('prodofsize',I); %# The number of strings per set 
uniqueIndex = true(1,nSets);   %# A logical index of unique elements 

for currentSize = unique(nStrings) %# Loop over each unique number of strings 

    subIndex = find(nStrings == currentSize); %# Get the subset of I with the 
    subSet = I(subIndex);      %# given number of strings 

    for currentIndex = numel(subSet):-1:2  %# Outer loop 
    for compareIndex = 1:currentIndex-1  %# Inner loop 
     if isequal(subSet{currentIndex},subSet{compareIndex}) %# Check equality 
     uniqueIndex(subIndex(currentIndex)) = false; %# Mark as "not unique" 
     break        %# Break the inner loop 
     end 
    end 
    end 

end 

I_unique = I(uniqueIndex); %# Get the unique values