创建一个高表,从表中提取一个高大的向量,然后找到向量中的元素的总数。

创建一个高表airlinesmall.csv数据集,数据包含的信息到达和离开的时间我们的航班。提取ArrDelay变量,这是一个向量的延迟到来。

ds = tabularTextDatastore (“airlinesmall.csv”,“TreatAsMissing”,“NA”);ds。SelectedVariableNames = {“ArrDelay”“DepDelay”};tt =高(ds);tX = tt.ArrDelay;

使用matlab.tall.reduce数非的总数南元素高的向量。第一个函数元素个数计算每个数据块元素的数量,和第二个函数总和加在一起所有的计数为每个块产生一个标量结果。

s = matlab.tall.reduce (@numel @sum tX)

s = MxNx……高的双重数组?吗?吗?…吗?吗?吗?…吗? ? ? ... : : : : : :

收集结果到内存中。

s =收集(s)

评估高表达式使用当地的MATLAB会话:通过1 1:在1.3秒完成评估在1.4秒完成

s = 123523

创建一个高表,提取两个高大的向量形式,然后计算每个向量的平均值。

创建一个高表airlinesmall.csv数据集,数据包含的信息到达和离开的时间我们的航班。提取ArrDelay和DepDelay变量向量的抵达和起飞延误。

ds = tabularTextDatastore (“airlinesmall.csv”,“TreatAsMissing”,“NA”);ds。SelectedVariableNames = {“ArrDelay”“DepDelay”};tt =高(ds);tt = rmmissing (tt);tX = tt.ArrDelay;泰= tt.DepDelay;

在第一阶段的算法,计算出总和和元素计数为每个数据块的向量。要做到这一点,你可以编写一个函数,它接受两个输入和返回一个输出之和与计数为每个输入。这个函数是列为本地函数的例子。

函数泰bx = sumcount (tx) bx = [(tx)和元素个数(tx)和(ty)元素个数(ty)];结束

在减速阶段的算法,需要添加所有的中间金额和数量。因此,matlab.tall.reduce返回元素的总金额和数量的元素为每个输入向量,然后计算的意思是一个简单的部门。这一步可以应用总和函数的第一个维度1-by-4向量从第一阶段的输出。

reducefcn = @ (x)和(x, 1);s = matlab.tall.reduce (@sumcount reducefcn tX,泰)

s = MxNx……高的双重数组?吗?吗?…吗?吗?吗?…吗? ? ? ... : : : : : :

s =收集(s)

评估高表达式使用当地的MATLAB会话:通过1 1:在1.4秒完成评估在1.6秒完成

s =1×4860584 120866 982764 120866

前两个元素年代和计数之和吗tX,第二个两个元素之和与计数泰。把金额和计算收益率的平均值,可以返回的答案进行比较的意思是函数。

my_mean = [s(1) /秒(2)(3)/ s (4))

my_mean =1×27.1201 - 8.1310

m =收集(平均((tX泰)))

评估高表达式使用当地的MATLAB会话:通过1 1:在0.43秒完成评估在0.52秒完成

m =1×27.1201 - 8.1310

函数泰bx = sumcount (tx) bx = [(tx)和元素个数(tx)和(ty)元素个数(ty)];结束

创建一个高的表,然后计算平均每年航班延误的数据。

创建一个高表airlinesmall.csv数据集,数据包含的信息到达和离开的时间我们的航班。从表中删除的行缺失数据和提取ArrDelay,DepDelay,一年变量。这些变量向量的抵达和起飞延误和年每个飞行相关的数据集。

ds = tabularTextDatastore (“airlinesmall.csv”,“TreatAsMissing”,“NA”);ds。SelectedVariableNames = {“ArrDelay”“DepDelay”“年”};tt =高(ds);tt = rmmissing (tt);

使用matlab.tall.reduce两个函数应用于高表。第一个函数结合了ArrDelay和DepDelay变量找到总意味着每个航班的延误。功能决定了有多少独特的年每个块的数据,然后通过每年周期计算的平均总延误航班。结果是一个包含今年两变量表和平均总延迟。这个中间数据需要进一步减少到达每年平均延迟。保存这个函数在当前文件夹transform_fcn.m。

类型transform_fcn

函数t = transform_fcn (a, b, c) 2 =收集(独特的(c));k = 1:长度(ii) jj = (c = = ii (k));d =意味着(((jj) b (jj)), 2);如果k = = 1 t =表(c (jj), d, VariableNames,{‘年’‘MeanDelay});其他t = [t;表(c (jj), d, VariableNames,{‘年’‘MeanDelay})];结束结束结束

第二个函数使用第一个函数的结果来计算平均每年总延迟。的输出reduce_fcn兼容的输出transform_fcn,这样的数据块可以以任意顺序连接不断地降低,直到只剩下一行每一年。

类型reduce_fcn

函数TT = reduce_fcn (t)[组Y] = findgroups (t.Year);D = splitapply (@mean, t。MeanDelay、组);TT =表(Y, D, VariableNames,{‘年’‘MeanDelay});结束

变换和减少函数应用于高大的向量。由于输入(类型双)和输出(类型表)有不同的数据类型,使用“OutputsLike”名称-值对将指定输出是一个表。一个简单的方法来指定输出的类型与虚拟输入调用转换函数。

一个= tt.ArrDelay;b = tt.DepDelay;c = tt.Year;d1 = matlab.tall。减少(@transform_fcn @reduce_fcn, a, b, c,“OutputsLike”{transform_fcn (0, 0, 0)})

d1) =(高表年MeanDelay ___ _____ ?吗?吗?吗?吗?吗?::::

收集到内存中看到结果平均每年总航班延误。

d1 =收集(d1)

评估高表达式使用当地的MATLAB会话:通过1 1:在2.6秒完成评估在3秒完成

d1 =22×2表年MeanDelay ___ _____ 1987 7.6889 1988 6.7918 1989 8.0757 1990 7.1548 1991 4.0134 1992 5.1767 1993 5.4941 1994 6.0303 1995 8.4284 1996 9.6981 1997 8.4346 1998 8.3789 1999 8.9121 2000 10.595 2001 6.8975 2002 3.4325⋮

类型mySplitFcn

函数T = mySplitFcn (a, b, c) T = matlab.tall。减少(@non_group_transform_fcn @non_group_reduce_fcn,……“OutputsLike”, a, b, c {non_group_transform_fcn (0, 0, 0)});函数t = non_group_transform_fcn (a, b, c) d =意味着([b], 2);t =表(c, d, VariableNames,{‘年’‘MeanDelay});结束函数TT = non_group_reduce_fcn (t) D =意味着(t.MeanDelay);TT =表(t.Year (1), D, VariableNames,{‘年’‘MeanDelay});结束结束

组= findgroups (c);d2 = splitapply (@mySplitFcn, a, b, c组);d2 =收集(d2)

评估高表达式使用当地的MATLAB会话:通过1 2:在0.68秒完成,通过2 2:在1.8秒完成评估在3.1秒完成

d2 =22×2表年MeanDelay ___ _____ 1987 7.6889 1988 6.7918 1989 8.0757 1990 7.1548 1991 4.0134 1992 5.1767 1993 5.4941 1994 6.0303 1995 8.4284 1996 9.6981 1997 8.4346 1998 8.3789 1999 8.9121 2000 10.595 2001 6.8975 2002 3.4325⋮

计算加权标准差和方差的一个高大数组使用向量的权重。这是一个如何使用的例子matlab.tall.reduce解决功能高数组不支持。金宝app

创建两个高大的随机数据的向量。tX包含随机数据,tP包含相应的概率,这样总和(tP)是1。这些概率是合适的重量数据。

rng默认的tX =高(兰德(1 e4, 1));p =兰德(1 e4, 1);tP =高(正常化(p,“规模”、sum (p)));

编写一个恒等函数,返回输出等于输入。这种方法的转换步骤跳过matlab.tall.reduce并将数据直接传递到减少步骤,减少功能的反复应用,以减少数据的大小。

类型identityTransform.m

函数[A, B] = identityTransform = X (X, Y);B = Y;结束

接下来,编写一个函数来操作减少块高大的向量来计算加权方差和标准偏差。

类型weightedStats.m

函数[wvar wstd] = weightedStats (X, P) wvar = var (X, P);wstd =性病(X, P);结束

使用matlab.tall.reduce这些函数应用于高的数据块的向量。

[tX_var_weighted, tX_std_weighted] = matlab.tall。减少(@identityTransform @weightedStats tX, tP)

tX_var_weighted = MxNx……高的双重数组?吗?吗?…吗?吗?吗?…吗? ? ? ... : : : : : : tX_std_weighted = MxNx... tall double array ? ? ? ... ? ? ? ... ? ? ? ... : : : : : :