MATLAB 常用函数 size()Zeros() ones() inf() ceil()等取整函数 randperm() find() sum() cumsum()

article/2025/9/16 13:17:30

1.size():获取矩阵的行数和列数

1、s=size(A),当只有一个输出参数时,返回一个行向量,该行向量的第一个元素是矩阵的行数,第二个元素是矩阵的列数。
2、[r,c]=size(A),当有两个输出参数时,size函数将矩阵的行数返回到第一个输出变量r,将矩阵的列数返回到第二个输出变量c。
3、size(A,n)如果在size函数的输入参数中再添加一项n,并用1或2为n赋值,则
size将返回矩阵的行数或列数。其中r=size(A,1)该语句返回的时矩阵A的行数, c=size(A,2) 该语句返回的时矩阵A的列数。
————————————————

CSDN博主「幸福在路上wellbeing」https://blog.csdn.net/xingfuyusheng/article/details/88674860

2.Zeros用法

zeros函数——生成零矩阵

A=zeros(2,3)
zeros
zeros
A =
0 0 0
0 0 0

B=zeros(3)
B =
0 0 0
0 0 0
0 0 0

源于百度百科

3.ones

ones函数——生成全1阵

4.inf

inf为无穷大量+∞,-inf为无穷小量-∞ 比如1 / 0的结果就是inf

5.ceil等取整函数

ceil函数的作用是朝正无穷方向取整,即将m/n的结果向正无穷方向取整,如m/n=3.12,则ceil(m/n)的结果为4。
类似的函数有如下几个: fix:朝零方向取整,如fix(-1.3)=-1; fix(1.3)=1;
floor:朝负无穷方向取整,如floor(-1.3)=-2; floor(1.3)=1;
round:四舍五入到最近的整数,如round(-1.3)=-1;round(-1.52)=-2;round(1.3)=1;round(1.52)=2。

源于百度百科

6.randperm

1.将一列序号随机打乱,序号必须是整数。
在这里插入图片描述
2.n个数中随机选m个
在这里插入图片描述

7.find

(转自http://blog.sina.com.cn/emily250886)
功能:
寻找非零元素的索引和值

语法:

  1. ind = find(X)

  2. ind = find(X, k)

  3. ind = find(X, k, ‘first’)

  4. ind = find(X, k, ‘last’)

  5. [row,col] = find(X, …)

  6. [row,col,v] = find(X, …)

说明:

  1. ind = find(X)

    找出矩阵X中的所有非零元素,并将这些元素的线性索引值(linear indices:按列)返回到向量ind中。

    如果X是一个行向量,则ind是一个行向量;否则,ind是一个列向量。

    如果X不含非零元素或是一个空矩阵,则ind是一个空矩阵。

  2. ind = find(X, k) 或 3. ind = find(X, k, ‘first’)

找到前K个不为0的线性索引值。k必须是一个正数,但是它可以是任何数字数值类型。

  1. ind = find(X, k, ‘last’)

    找到后k个不为零元素的线性索引值。

  2. [row,col] = find(X, …)

    返回矩阵X中非零元素的行和列的索引值。这个语法对于处理稀疏矩阵尤其有用。

    如果X是一个N(N>2)维矩阵,col包括列的线性索引。

    例如,一个573的矩阵X,有一个非零元素X(4,2,3),find函数将返回row=4和col=16。也就是说,(第1页有7列)+(第2页有7列)+(第3页有2列)=16。??

  3. [row,col,v] = find(X, …)

    返回X中非零元素的一个列或行向量v,同时返回行和列的索引值。如果X是一个逻辑表示,则v是一个逻辑矩阵。输出向量v包含通过评估X表示得到的逻辑矩阵的非零元素。

例如,

A= magic(4) A =
16 2 3 13
5 11 10 8
9 7 6 12
4 14 15 1

[r,c,v]= find(A>10);

r’, c’, v’ ans =
1 2 4 4 1 3 (按列) ans =
1 2 2 3 4 4 (按列) ans =
1 1 1 1 1 1

这里返回的向量v是一个逻辑矩阵,它包含N个非零元素,N=(A>10)

举例:

例1

X = [1 0 4 -3 0 0 0 8 6]; indices = find(X)

返回X中非零元素的线性索引值。

indices =
1 3 4 8 9

例2

你可以用一个逻辑表达方式定义X。例如

find(X > 2)

返回X中大于2的元素的相对应的线性索引值。

ans =
3 8 9

例3

下面find指令

X = [3 2 0; -5 0 7; 0 0 1]; [r,c,v] = find(X)

返回X中非零元素行索引值的向量

r =
1
2
1
2
3

X中非零元素列索引值的向量

c =
1
1
2
3
3

包含X中非零元素的向量

v =
3
-5
2
7
1 (按列)

例4

下列表示

[r,c,v] = find(X>2)

返回包含X中非零元素的行索引值的向量

r =
1
2

包含X中非零元素的列索引值的向量

c =
1
3

包含N=(X>2)非零元素的逻辑矩阵

v =
1
1

记住,当你用find指令处理一个逻辑表达的时候,输出向量v不包含输入矩阵的非零元素的索引值。而是包含评估逻辑表达之后返回的非零值。

例5

在向量上的一些操作

x = [11 0 33 0 55]’;

find(x) ans =
1
3
5

find(x == 0) ans =
2
4

find(0 < x & x < 10*pi) ans =
1

例6

对于矩阵

M = magic(3) M =
8 1 6
3 5 7
4 9 2

find(M > 3, 4)

返回前四个M>3的索引值

ans =
1
3
5
6

例7

如果X是一个全零向量,find(X)返回一个空矩阵。

例如indices = find([0;0;0])

indices = Empty matrix: 0-by-1

例8

找出一个矩阵中的前n个最小项所在的位置 clear;clc A=rand(10)%随机生成一个矩阵,自己改 t=sort(A(😃);
[m,n]=find(A<=t(20),20); t=[m,n]%前20个最小项在矩阵A中的位置[行,列]

sum

a=sum(x);%列求和

a=sum(x,2);%行求和

a=sum(x(😃);%矩阵求和

假定x为一个矩阵:

sum(x)以矩阵x的每一列为对象,对一列内的数字求和。

sum(x,2)以矩阵x的每一行为对象,对一行内的数字求和。

如下图所示

在这里插入图片描述

如果是一位数组,直接相加
在这里插入图片描述

cumsum

得到输入矩阵的每个元素对应的列向上(行向左)求和矩阵
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
一维需要注意下,默认cumsum(b)相当于cumsum(b,2)
在这里插入图片描述


S(i,:)中的“i”表示矩阵S的第i行,“:”就表示这一行的所有列,因此S(i,:)就表示S阵的第i行的所有元素喽!


1/A 与1./A的区别

矩阵A=[a b c d],1./A=[1/a 1/b 1/c 1/d],而1/A表示的是A的逆


Matlab里面A(B)
若B(a b;c d),则A(B)代表将元素A(a),A(b),A(c),A(d)放在对应的位置

B(A(a),A(b);A(c),A(d))。其中,A(a)代表A中第a个元素

例如:A=[3 5 6 5;8 6 2 3;1 8 9 3];

B=[1 4;3 2];

C=A(B);

C =

3 5

1 8


length

数组长度,即行数和列数中的较大值,相当于max(size(a))

numel

返回元素总数


rand函数

产生由在(0, 1)之间均匀分布的随机数组成的数组。
rang(x,y);
可以产生x行y列(0, 1)之间的数字。


min 和max用法基本一致

A非一位向量
max(A)返回返回每列最大值
在这里插入图片描述
[Y,U]=max(A):返回行向量Y和U,Y向量记录A的每列的最大值,U向量记录每列最大值的行号
在这里插入图片描述
若A为一维
max(A)返回最大值
[Y,U]=max(A)返回最大值和索引
在这里插入图片描述

mean求平均值

如果A是一个向量,mean(A)返回A中元素的平均值。
如果A是一个矩阵,mean(A)将其中的各列视为向量,把矩阵中的每列看成一个向量,返回一个包含每一列所有元素的平均值的行向量。在这里插入图片描述
在这里插入图片描述


http://chatgpt.dhexx.cn/article/9TUjb4Tq.shtml

相关文章

卡方分布和卡方验证的关系理解,以及Python实现

卡方分布 定义&#xff1a;设 X1…Xn是服从标准正态分布的随机变量&#xff0c;则称统计量 服从自由度为n的卡方分布&#xff0c;自由度为n时&#xff0c;他的期望是n&#xff0c;方差为2n 他是标准正态分布变量的平方和&#xff0c;网上找了一张概率密度图&#xff1a; 然…

c语言学习进阶-C语言程序产生正态分布随机数

C语言程序产生正态分布随机数 目录 C语言程序产生正态分布随机数**中心极限定理&#xff08;大数定理&#xff09;****Hasiting有理逼近法&#xff1a;****反函数产生给定分布的随机数法&#xff1a;****Box-Muller法得到服从正态分布的随机数&#xff1a;****matlab 验证生成随…

高斯分布的乘积

假设有两个高斯分布&#xff1a; p 1 ( x ) ( 2 π σ 1 2 ) − 1 2 e x p { − 1 2 ( x − μ 1 ) 2 σ 1 2 } p_1(x) (2\pi\sigma_1^2)^{-\frac{1}{2}}exp\{ -\frac{1}{2} \frac{(x-\mu_1)^2}{\sigma_1^2} \} p1​(x)(2πσ12​)−21​exp{−21​σ12​(x−μ1​)2​} p …

14 | 正态分布

文章目录 1、正态分布&#xff1a;2、数据的变换3、 数据进行规范处理的三种方法3.1 Min-max 规范化3.2 Z-Score 规范化 4、 Python 的 SciKit-Learn 库使用4.1 Min-max 规范化4.2 Z-Score 规范化 5、 总结&#xff1a; 1、正态分布&#xff1a; 什么是正态分布呢&#xff1f;…

【小白话通信】连续分布的产生

由于篇幅有限&#xff0c;前一篇文章《离散分布的产生》中只讲述了用均匀分布产生离散分布的方法&#xff0c;那么本文接着讲如何利用均匀分布产生连续分布的方法。 连续分布 连续分布主要有以下几种&#xff1a;均匀分布 伽马分布 正态分布 贝塔分布 柯西分布 对数正态分布 双…

论文变量分布图的绘制

论文变量分布图的绘制 在近红外变量选择的论文中&#xff0c;需要对选择的波段进行可视化&#xff0c;以下介绍两种变量分布图的绘制。MATLAB绘制点图 直接上代码 %数据输入&#xff0c;一行多列 load(cor1_huatu.mat) load(RSR1_huatu.mat) load(SSC1_huatu.mat) load(sopsr…

MATLAB一维数据分布情况(稳定程度))

MATLAB一维数据分布情况&#xff08;稳定程度&#xff09; 一、具体实现二、测试三、其他 by HPC_ZY 搞研究的小伙伴们&#xff0c;经常需要对实验结果进行分析&#xff0c;获取实验的稳定性等。这里提供一个小函数&#xff0c;能对一维数据&#xff08;实验结果&#xff09;进…

Python数据科学numpy的运算、分布函数和矩阵

本文介绍numpy的常用运算、统计分布函数和矩阵的基础用法 numpy的一元多元运算&#xff0c;给我们做数据处理分析做基础&#xff0c;忘记的时候可以查看文档&#xff0c;常用的理解记忆就行。以下代码演示前提均以import numpy as np为前提 1. 一元运算&#xff1a; 运算函数…

IEEE802.11信道PDP与频谱分布

%实现IEEE802.11信道仿真&#xff0c;画出IEEE802.11信道的PDP曲线与频谱图 clear,clf scale 1e-9;%纳秒量级 Ts 50*scale;%采样时间间隔&#xff0c;50ns t_rms25*scale;%RMS时延扩展&#xff0c;25ns num_ch10000;%信道数 N128;%FFT长度 PDPIEEE802_11_model(t_rms,Ts);%调…

计算二维离散随机变量的联合概率分布

一. 定义 Joint probability distribution: 给定至少两个随机变量X,Y,…, 它们的联合概率分布(Joint probability distribution)指的是每一个随机变量的值落入特定范围或者离散点集合内的概率. 对于只有两个随机变量的情况, 称为二元分布(bivariate distribution). 联合概率…

matlab 分布拟合,曲线拟合和分布拟合 - MATLAB Simulink Example - MathWorks 中国

在曲线拟合与分布拟合之间进行选择 曲线拟合和分布拟合是不同类型的数据分析。 当您要将某个响应变量建模为预测变量的函数时,请使用曲线拟合。 当您要为单一变量的概率分布建模时,请使用分布拟合。 曲线拟合 在以下试验数据中,预测变量为 time,即服用药物之后的时间。响应…

MATLAB如何画数据分布曲线,Matlab绘制累积分布函数(CDF)

CDF示例代码&#xff1a; cdf.mfunction [xTime,yPercentage]cdf(initValue,step,endValue,sample); xTime[]; yPercentage[]; totalNumlength(sample); for iinitValue:step:endValue templength(find(sample<i))/totalNum; xTime[xTime,i]; yPercentage[yPercentage,temp]…

【得物技术】如何测试概率性事件 - 二项分布置信区间

前言 &#xfeff; 日常开发测试可能会遇到这样一种情况&#xff0c;有一个接口或方法概率触发&#xff0c;那么需要多少次抽样&#xff0c;落在一个什么区间内&#xff0c;才能断定是否按照设定概率进行呢&#xff1f; &#xfeff; 本文将以二项分布作为研究手段&#xf…

python画累积分布图_python累积分布图

在与@EOL进行了决定性的讨论之后,我想使用随机高斯样本作为摘要发布我的解决方案(左上角): import numpy as np import matplotlib.pyplot as plt from math import ceil, floor, sqrt def pdf(x, mu=0, sigma=1): """ Calculates the normal distributions p…

2021-10-24 我的第五次java作业:二项分布和双骰子赌博问题

我的第五次java作业 题目&#xff1a; 二项分布是n次独立试验中成功次数k的离散概率分布&#xff0c;其中每次试验成功的概率为p。利用Java Math类中提供的数学函数&#xff0c;给出二项分布X~B(n, p, k)的实现代码并进行测试。例如&#xff0c;当用户给定n20, p0.1, k5的概率…

记一次使用Cobar踩到的坑

起因 起因是因为日志里经常报出锁等待超时的错误&#xff0c;并且这个是环环相扣的&#xff0c;一个锁等待会直接引发另外的锁等待&#xff0c;所以危害非常严重&#xff0c;影响非常深远。寻找原因发现是C3P0报出了DEADLOCK&#xff0c;如下图所示&#xff1a; 分析 可以…

Cobar介绍及配置

原文地址为&#xff1a; Cobar介绍及配置 from&#xff1a;http://code.alibabatech.com/wiki/display/cobar/Home Skip to end of metadata Page restrictions applyAttachments:1Added by kimi Lv, last edited by 邱 硕 on 十月 18, 2012 (view change) Comment: Go to st…

用cobar搭建分布式数据库

周末针对最新的项目需求进行cobar的搭建并针对实际状况做了demo演示 一、需求 1、大数据量&#xff0c;邮件发送记录需要记录&#xff0c;一年可能累计4亿的数据 2、需要按照邮箱进行邮件发送明细的查询以及发送记录的查询 二、问题 1、单库分表分区已经解决不了存储以及查…

用cobar搭建分布式数据库 .

周末针对最新的项目需求进行cobar的搭建并针对实际状况做了demo演示 一、需求 1、大数据量&#xff0c;邮件发送记录需要记录&#xff0c;一年可能累计4亿的数据 2、需要按照邮箱进行邮件发送明细的查询以及发送记录的查询 二、问题 1、单库分表分区已经解决不了存储以及查…

开源的分布式数据库中间件系统Mycat和阿里巴巴Cobar的对比

mycat 不得不说的缘分 原创 2016年04月15日 15:48:17 27834 1&#xff0c;愕然回首&#xff0c;它在灯火阑珊处 关于mysql集群中间件&#xff0c;以前写在应用程序里面&#xff0c;由开发人员实现&#xff0c;在配置文件里面写多个数据源&#xff0c;写库一个数据源&#xff0…