Matlab如何對二維數據分類

時常會去回顧自己以前寫的帖子，相信這些帖子不僅僅是寫給公眾號的朋友，同樣也是提醒與鼓勵自己。尤其是讀到先前的一篇帖子「多思考，因為努力是從來不會騙人的」，而對於這句話，尤為感觸。每完成一段代碼，不敢輕易斷言代碼的邏輯最優，每過去一段時間，總會有新的思路，來優化這段代碼。引用論語的一段話：「吾日三省吾身；為人謀而不忠乎？與朋友交而不信乎？傳不習乎？」。而傳不習乎指的就是要時時溫習舊經驗，求取新知識。

之所以會有這段感觸，是因為在過去的這個星期，發現了先前寫過的一段代碼略顯愚蠢。這段代碼最先源於一個工作上的任務，是對一個數據進行範圍上的歸類，並進行百分比計算，最終將結果分別以數值及顏色的方式輸出到Excel表中。當時寫過一篇帖子「不擅長Excel宏的人」，這篇帖子講述的是如何將結果輸出到Excel表，正是在這個任務中產生的。

而今天想聊的不是這部分代碼，而是如何對數據進行二維歸類。先來細化一下這個任務，數據的一維歸類，打個比方就是，對於一組數據，計算有多少個點分別在[0,5]，[5,10]，[10,15]，……的區間。而二維歸類，以此類推就是，對於一組數據，計算有多少個點分別在A的[0,5]B的[0,5]的區間，A的[0,5]B的[5,10]的區間，A的[5,10]B的[0,5]的區間等等。

在第一次拿到這個任務時，由於時間緊迫，對於代碼邏輯並沒有細想，使用的是二維For循環，每次循環取相應緯度的區間，分別判斷數據中有多少點存在於這個區間中，如下面這段代碼所示：

這段代碼中所使用的是find函數去查找存在於目標區間中的數據。這段代碼的弊端十分明顯，就是耗時特別長。對於553萬3966*2的一個數據，耗時為85秒。

其中的原因在於，對於每個目標區間，都需要對原數據進行一次find處理。第一緯度的目標區間總計為75，第二緯度的目標區間總計為8，兩層的For循環，總計75*8=600次循環，而每次循環過程中有兩次find例遍原數據，而原數據又是百萬級別的數據。這個工作量可想而知，耗時85秒也是絲毫都不意外。

本以為在這個任務結束之後，我將不會再接觸這個任務。結果上個禮拜，又有新的數據發過來了，更頭疼的是，這次需要處理40個同級別大小的數據。換做先前的代碼，處理完這個任務需要將近一個小時的時間。但是為了避免今後再接到不計其數的相同的任務，於是我就重新優化了這個代碼。計算耗時結果如下

其中載入一個數據耗時0.7秒，數據處理耗時0.7秒，錄入Excel耗時3.2秒，總時長為4.6秒，單個數據文件處理速度提升了將近19倍。

我對這個代碼做了什麼？

正如上述的分析，我認為原先的方法耗時的主要原因在於600次循環，每次循環中兩次find例遍原數據。相當於這個代碼做了1200次例遍。於是我就思考，有沒有將1200次降為1次的辦法，即使是二維數據。

最終實現了，接下來聊一聊整個思路。首先將整體數據依據各自的維度進行標準化，打個比方，3屬於[0,5,10,15……]中的第一檔，用代碼顯示就是

Index = floor(data/delta)+offset

以上述為例，data=3，delta=5，而offset=1.最終結果為1。函數floor的作用就是求不超過目標量的最大整數。

對數據的兩個維度分別按各位的delta進行標準化處理，所得到的結果正是在矩陣中所對應的序號。此後一次例遍原數據，對矩陣結果進行疊加，如下段代碼所示：

從上面這個再簡單不過的例子可以看到，多花些許時間思考，工作效率提或許就因此提升好幾倍。

新的一周即將開始了，即使將要過年，也希望諸位每天的工作與生活都順心如意。期待與你們再會。

以上

如果你有興趣，歡迎關注我的微信公眾號「打浦橋程序員」，謝謝