创建一个高表，从该表中提取一个高向量，然后查找该向量中的元素总数。

创建一个高的桌子airlinesmall.csv数据集。这些数据包含了美国航班到达和起飞时间的信息。提取ArrDelay变量，它是到达延迟的向量。

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

使用matlab.tall.reduce要统计非的总数南高向量中的元素。第一个函数元素个数计算每个数据块中的元素数量，以及第二个函数总和将每个块的所有计数相加以生成标量结果。

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

s = MxNx…高双阵?？？．.．？？？．.．？ ? ? ... : : : : : :

将结果收集到内存中。

S =集合(S)

使用本地MATLAB会话评估tall表达式:-通过1 / 1:在0.9秒内完成评估在1.1秒内完成

S = 123523

创建一个高表，从表中提取两个高向量，然后计算每个向量的平均值。

创建一个高的桌子airlinesmall.csv数据集。这些数据包含了美国航班到达和起飞时间的信息。提取ArrDelay而且DepDelay变量，它们是到达和离开延迟的向量。

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

在算法的第一阶段，计算向量中每个数据块的和和和元素计数。为此，您可以编写一个函数，接受两个输入，并返回一个输出，其中包含每个输入的和和和计数。该函数在示例的末尾作为局部函数列出。

函数Bx = sumcount(tx,ty) Bx = [sum(tx) numel(tx) sum(ty) numel(ty)];结束

在算法的约简阶段，您需要将所有中间的和和和数相加。因此,matlab.tall.reduce返回每个输入向量的元素的总和和元素的数量，然后计算平均值是一个简单的除法。对于此步骤，可以应用总和函数到第一阶段输出的1 × 4向量的第一个维度。

Reducefcn = @(x) sum(x,1);s = matlab.tall.reduce(@sumcount,reducefcn,tX,tY)

s = MxNx…高双阵?？？．.．？？？．.．？ ? ? ... : : : : : :

S =集合(S)

使用本地MATLAB会话评估tall表达式:-通过1 / 1:在1.3秒内完成评估，在1.6秒内完成

s =1×4860584 120866 982764 120866

的前两个要素年代总数和数算吗tX，后两个元素是sum和count for泰．方法返回的结果与平均值进行比较的意思是函数。

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

my_mean =1×27.1201 - 8.1310

m = collect ([tX tY]))

使用本地MATLAB会话评估tall表达式:-通过1 / 1:在0.34秒内完成评估，在0.44秒内完成

m =1×27.1201 - 8.1310

函数Bx = sumcount(tx,ty) Bx = [sum(tx) numel(tx) sum(ty) numel(ty)];结束

创建一个高表，然后计算数据中每年的平均航班延误。

创建一个高的桌子airlinesmall.csv数据集。这些数据包含了美国航班到达和起飞时间的信息。从表中删除缺失的数据行，并提取ArrDelay,DepDelay,一年变量。这些变量是数据集中每个航班的到达和起飞延误以及相关年份的向量。

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

使用matlab.tall.reduce在高桌子上应用两个功能。第一个函数结合ArrDelay而且DepDelay求每个航班总平均延误的变量。该函数确定每个数据块中有多少个唯一的年份，然后循环每年，并计算出该年航班的平均总延误。结果是一个包含年份和平均总延迟的两个变量表。这个中间数据需要进一步减少，才能得出每年的平均延迟。将此函数保存在当前文件夹为transform_fcn.m．

类型transform_fcn

函数t = transform_fcn(a,b,c) ii = gather(唯一(c));对于k = 1:length(ii) jj = (c == ii(k));D = mean([a(jj) b(jj)]， 2);if k == 1 t = table(c(jj)，d，'VariableNames'，{'Year' 'MeanDelay'});Else t = [t;表(c (jj), d, VariableNames,{‘年’‘MeanDelay})];结束结束

第二个函数使用第一个函数的结果来计算每年的平均总延迟。的输出reduce_fcn是否与输出兼容transform_fcn，这样数据块就可以按任意顺序连接起来，并不断减少，直到每年只剩下一行。

类型reduce_fcn

function TT = reduce_fcn(t) [groups,Y] = findgroups(t. year);D = splitapply(@mean, t.MeanDelay, groups);TT = table(Y,D，'VariableNames'，{'Year' 'MeanDelay'});结束

对高向量应用变换和约简函数。由于输入(类型双)和输出(类型表格)具有不同的数据类型，则使用“OutputsLike”名称-值对指定输出为表。指定输出类型的一种简单方法是使用虚拟输入调用transform函数。

a = tt.ArrDelay;b = tt.DepDelay;c = tt.年;D1 = matlab.tall。reduce(@transform_fcn， @reduce_fcn, a, b, c，“OutputsLike”{transform_fcn (0, 0, 0)})

d1 = Mx2高桌年MeanDelay ____ _________ ?？？？？？: : : :

将结果收集到内存中，查看每年的平均总航班延误。

D1 =集合(D1)

使用本地MATLAB会话评估tall表达式:-通过1 / 1:在0.97秒内完成评估在1.1秒内完成

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

function T = mySplitFcn(a,b,c) T = matlab.tall。reduce(@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'});结束函数TT = non_group_reduce_fcn(t) D = mean(t. meandelay);TT = table(t.Year(1)，D，'VariableNames'，{'Year' 'MeanDelay'});结束结束

组= findgroups(c);d2 = splitapply(@mySplitFcn, a, b, c, groups);D2 =收集(D2)

使用本地MATLAB会话评估tall表达式:-通过2中的第1步:在0.35秒内完成-通过2中的第2步:在0.95秒内完成评估在1.6秒内完成

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 \

使用权重向量计算高数组的加权标准差和方差。这是如何使用的一个例子matlab.tall.reduce来解决高数组还不支持的功能。金宝app

创建两个随机数据的高向量。tX包含随机数据，和tP包含相应的概率总和(tP)是1．这些概率适合于对数据进行加权。

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

写一个恒等函数，返回输出等于输入。的转换步骤matlab.tall.reduce并将数据直接传递到缩减步骤，在该步骤中重复应用缩减函数以减少数据的大小。

类型identityTransform.m

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

接下来，编写一个对高向量块进行运算的约简函数，以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 = std(X,P);结束

使用matlab.tall.reduce将这些函数应用于高向量中的数据块。

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

tX_var_weighted = MxNx…高双阵?？？．.．？？？．.．？ ? ? ... : : : : : : tX_std_weighted = MxNx... tall double array ? ? ? ... ? ? ? ... ? ? ? ... : : : : : :