高表を作成し，表から高大ベクトルを抽出して，ベクトル内の要素の合计数を求めます。

Airlinesmall.csv.データセットの高表を作成します。このデータには米国のフライトの到着時刻と出発時刻に関する情報が含まれています。変数ArrDelayを抽出します。これは到着遅延のベクトルです。

ds = tabularTextDatastore ('airlinesmall.csv'，“TreatAsMissing”，'na'）;ds.selectedvariablenames = {'arrdelay'“DepDelay”};tt =高(ds);tX = tt.ArrDelay;

matlab.tall.reduceを使用して高大ベクトル内の非南要素の合計数をカウントします。最初の関数元素个数はデータの各ブロックにある要素数をカウントし，2-番目の关数和は各ブロックのカウントすべてを合計してスカラーの結果を生成します。

s = matlab.tall.reduce（@ numel，@ sum，tx）

s = mxnx ...高级双数组？？？......？？？......？？？... :::::::::

结果をメモリに收集します。

S =收集（S）

using the Local MATLAB Session: - Pass 1 of 1: Completed in 2 sec

s = 123523

高桌子作物成し，その表から2つの高大ベクトルを抽出して各ベクトルの平台値をししししし

Airlinesmall.csv.データセットの高表を作成します。このデータには米国のフライトの到着時刻と出発時刻に関する情報が含まれています。変数ArrDelayとDEPDELAY.を抽出します。これらは到着遅延時間と出発遅延時間のベクトルです。

ds = tabularTextDatastore ('airlinesmall.csv'，“TreatAsMissing”，'na'）;ds.selectedvariablenames = {'arrdelay'“DepDelay”};tt =高(ds);tt = rmmissing (tt);tX = tt.ArrDelay;泰= tt.DepDelay;

アルゴリズムの最初の段階では,ベクトル内の各データブロックの合計と要素数を計算します。このために2つの入力を受け入れ,各入力の合計と要素数を含む1つの出力を返す関数を作成できます。この関数は,ローカル関数として例の最後にリストされています。

功能Bx = [sum(tx) numel(tx) sum(ty) numel(ty)];结束

アルゴリズムの削减段阶では，中间の合计と要素数をすべて合算する必要があります。したがって，matlab.tall.reduceは，各各力量ベクトルの要素ののとためため，平台の计算単纯な除算なります単纯除算段阶，最初でます得られたでで段阶出得たのののに关节和を适用できます。

reducefcn = @（x）的总和（X，1）;S = matlab.tall.reduce（@ sumcount，reducefcn，TX，TY）

s = mxnx ...高级双数组？？？......？？？......？？？... :::::::::

S =收集（S）

使用本地MATLAB会话评估高表达： - 通过1的第1条：3.9秒评估完成4.4秒

S =1×4860584 120866 982764 120866

年代の最初の2つの要素はTXの合計と要素数で2番目の2つの要素はTYの合计と要素数です。これらの合计を要素数で除算することにより平均値が得られ，关数意思によって返される答えと比较できます。

My_mean = [s(1)/s(2) s(3)/s(4)]

my_mean =1×27.1201 8.1310

m = gather(mean([tX tY]))

using the Local MATLAB Session: - Pass 1 of 1: Completed in 0.85 sec

m =1×27.1201 8.1310

功能Bx = [sum(tx) numel(tx) sum(ty) numel(ty)];结束

高桌子作物成し，そのデータで各年の平衡フライトフライト遅延遅延遅延し计算ますますますますます。

Airlinesmall.csv.データセットの高桌面作物成作作作作作者しこのは米国のフライト到着时代と出発时代に关键词がれいますますますからからますの行を削除削除欠损欠损データ行行削除削除し欠损欠损欠损欠损し削除しししArrDelay，変数DEPDELAY.，および変数一年を抽出します。これらの変数は，到着遅延と出発遅延のベクトルと，データセット上でフライトごとに关连付けられた年のベクトルです。

ds = tabularTextDatastore ('airlinesmall.csv'，“TreatAsMissing”，'na'）;ds.selectedvariablenames = {'arrdelay'“DepDelay”“年”};tt =高(ds);tt = rmmissing (tt);

matlab.tall.reduceを使用して2つの関数を高表に適用します。最初の関数は変数ArrDelayと変数DEPDELAY.を结合して，各フライトの合计平均遅延时间を求めます。关数は，データの各チャンクにある一意の年の数を特定してから，各年を缲り返し处理し，その年のフライトの平均合计遅延时间を计算します。この结果，年と平均合计遅延时间が含まれる2変数テーブルが得られます。この中间データは，年あたりの平均遅延时间になるようにさらに削减する必要があります。この关数を现在のフォルダーにtransform_fcn.mとして保存します。

类型transform_fcn

功能t = transform_fcn（a，b，c）II =聚集（唯一（c））;对于k = 1：长度（ii）jj =（c ==i（k））;d =均值（[a（jj）b（jj）]，2）;如果k == 1 t = table（c（jj），d，'variablenames'，{'年''incomdelay'}）;否则t = [t;表（c（jj），d，'variablenames'，{'一年'incomdelay'}）];结束结束

2番目の関数は最初の関数の結果を使用して,各年の平均合計遅延時間を計算します。recument_fcn.からの出力はtransform_fcnからの出力と互换性があるため，データのブロックは任意の顺番で连结でき，各年につき1行のみになるまで継続的に削减できます。

类型recument_fcn.

函数tt = recens_fcn（t）[组，y] = findgroups（t.year）;d = sclustapply（@mean，t.meandelay，组）;tt =表（y，d，'variablenames'，{'年''incomdelay'}）;结束

変换关数と减少关数を高大ベクトルに适用します。入力（双倍的型）と出力（表格型）には异なるデータ型があるため“OutputsLike”の名前と値のペアを使用して出力が表であることを指定します。出力の型を指定する簡単な方法は、ダミー入力を使用した変換関数の呼び出しです。

A = tt.ArrDelay;B = tt.DepDelay;C = tt.Year;D1 = matlab.tall.reduce（@transform_fcn，@reduce_fcn，A，B，C，“OutputsLike”，{transform_fcn（0,0,0）}）

d1 = Mx2高表年份MeanDelay ____ _________ ?？？？？？: : : :

结果をメモリに收集して，年あたりの平均合计フライト遅延时间を确认します。

d1 =收集(d1)

评估使用本地MATLAB会话高大的表达： - 通行证1：1.8秒完成评估在2.1秒完成

D1 =22×2表年份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

mySplitFcn(a,b,c) . mySplitFcn(a,b,c) . mySplitFcn(a,b,c)。减少(@non_group_transform_fcn @non_group_reduce_fcn,……a, b, c， 'OutputsLike'， {non_group_transform_fcn(0,0,0)});函数t = non_group_transform_fcn(a,b,c) d = mean([a b]， 2);t = table(c,d，'VariableNames'，{'Year' 'MeanDelay'});end函数TT = non_group_reduce_fcn(t) D = mean(t. meandelay);TT = table(t.Year(1)，D，'VariableNames'，{'Year' 'MeanDelay'});结束结束

基团= findgroups（C）;D2 = splitapply（@mySplitFcn，A，B，C，基团）;D2 =聚集（d2）的

评估使用本地MATLAB会话高表达： - 通的2 1：完成在0.77秒 - 第二遍2：在2.2秒评价完成在3.7秒完成

D2 =22×2表年份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⋮

重みのベクトルを使用して,高配列の重み付け標準偏差と分散を計算します。これは,matlab.tall.reduceを使用して高的配列でまだサポートされていない机能を回避する一例です。

ランダムデータの2つの高大ベクトルベクトル作物成しし。TXにはランダムデータ，tP的には対応する确率（SUM（TP）が1など）が含まれます。これらの确率はデータへの重み付けに适しています。

RNG.默认tX =高(兰德(1 e4, 1));p =兰德(1 e4, 1);tP =高(正常化(p,'规模'，之和（p）））;

入力と等しい出力を返す関数身份を記述します。このアプローチは,matlab.tall.reduceの変换ステップを省略し，データサイズ削减のためにリダクション关数が缲り返し适用される，削减ステップに直接データを渡します。

类型IdentityTransform.m.

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

次に、高ベクトルのブロックで演算を行うリダクション関数を記述し,重み付け分散と標準偏差を計算します。

类型weightedStats.m

函数[wvar，WSTD] = weightedStats（X，P）= wvar VAR（X，P）;WSTD = STD（X，P）;结束

matlab.tall.reduceを使用してこれらの关数を高大ベクトルでデータのブロックに适用します。

[tx_var_weighted，tx_std_wuighted] = matlab.tall.reduce（@idertitytransform，@weightedstats，tx，tp）

tx_var_weighted = mxnx ...高级双数组？？？......？？？......？？？... :::::::txstd_weighted = mxnx ...高级双数组？ ? ? ... ? ? ? ... ? ? ? ... : : : : : :