MATLAB accumarray 函数实战：从基础到高级应用

原创

于 2026-02-15 04:36:19 发布 · 1k 阅读

标签

第一次接触MATLAB的accumarray函数时，我完全被它强大的功能震撼到了。这个看似简单的函数，实际上是一个隐藏的数据处理利器。简单来说，accumarray能够根据给定的下标（subs）对数据（val）进行分组累加，生成一个新的数组。听起来可能有点抽象，让我们用一个生活中的例子来理解：

想象你是一家超市的经理，每天要统计不同商品的销售数量。subs就像是商品的编号，val就是每个销售记录中的商品数量。accumarray的作用就是帮你把所有相同编号的商品销售数量加起来，得到每个商品的总销量。

基础语法非常简单：

A = accumarray(subs, val)

其中subs是下标向量或矩阵，val是对应的值。举个实际例子：

subs = [1; 2; 1; 3; 2];  % 商品编号
val = [10; 5; 20; 15; 8]; % 销售数量
A = accumarray(subs, val)

运行结果会是：

这表示1号商品总销量30，2号商品13，3号商品15。是不是比用循环统计方便多了？

accumarray真正强大的地方在于处理多维数据。我曾在处理图像像素统计时深刻体会到这一点。当subs是多列矩阵时，每一列代表一个维度，可以构建多维累加数组。

比如统计二维空间中的点分布：

subs = [1 1; 2 2; 1 1; 3 1; 2 2]; % 二维坐标
val = [1; 1; 1; 1; 1]; % 每个点计数1
A = accumarray(subs, val)

输出会是一个3×2的矩阵：

这表示坐标(1,1)有2个点，(2,2)有2个点，(3,1)有1个点。

在实际项目中，我曾用这个特性处理过三维体数据。比如医学影像中统计不同组织类型的体素分布：

% 假设subs是[x,y,z]坐标，val是组织类型标记
A = accumarray(subs, val, [], @(x) mode(x)); % 统计每个位置最常见的组织类型

除了默认的求和，accumarray还支持自定义函数，这大大扩展了它的应用场景。记得有一次我需要统计实验数据的标准差，accumarray轻松解决了问题。

基本语法：

A = accumarray(subs, val, [], @std)

这里的@std可以替换为任何你需要的函数句柄。比如：