MATLAB находит и применяет функцию к значениям повторяющихся индексов

Вы можете применить accumarray к нескольким столбцам как показано здесь

labels = x(:,1) - min(x(:, 1)) + 1; 
labels = [repmat(labels(:),size(x,2),1), kron(1:size(x,2),ones(1,numel(labels))).'];             
totals = accumarray(labels,x(:),[], @mean);

Это адаптировано из кода Gnovice.

Чтобы заставить его работать для вашего кода, вам нужно удалить все нули впереди

totals(find(mean((totals == zeros(size(totals)))')), :) = [];

что приводит к желаемому

   26.0000   77.5700   17.9735   32.7200
   27.0000   40.5887   16.6100   31.5800
   28.0000   48.0609   22.8699   44.2100
   29.0000   95.3448   19.0000   37.7300
   30.0000   82.7273   30.4394   39.1400

Более общий подход будет использовать unique для поиска уникальных значений индекса:

[U, ix, iu] = unique(x(:, 1));

а затем accumarray:

[c, r] = meshgrid(1:size(x, 2), iu);
y = accumarray([r(:), c(:)], x(:), [], @mean);

Объяснение

Входные значения для обработки на самом деле являются вторым параметром accumarray.

первый параметр accumarray — это матрица, каждая строка которой представляет собой набор индексов в (накопленной) выходной матрице, и он соответствует значению из соответствующей строки в векторе, заданном как второй параметр.

Думайте о выходе как о массиве ячеек. Вторые параметры являются входными значениями, и каждая строка в первом параметре сообщает, в какой ячейке выходной матрицы accumarray должно храниться соответствующее входное значение. Когда вывод «массива ячеек» завершен, к каждой ячейке применяется функция (в нашем случае mean).

Пример

Вот короткий пример с меньшей матрицей:

x = [27, 10, 8;
     28, 20, 10;
     28, 30, 50];

Мы находим уникальные значения:

[U, ix, iu] = unique(x(:, 1));

Вектор U хранит уникальные значения, а iu указывает, какой индекс значения связан с каждой строкой (обратите внимание, что в этом решении мы не используем ix ). В нашем случае получаем, что:

U = 
    27
    28

iu =
    1
    2
    2

Теперь применяем accumarray:

[c, r] = meshgrid(1:size(x, 2), iu);
y = accumarray([r(:), c(:)], x(:), [], @mean);

Причудливый трюк с meshgrid и [r(:), c(:)] создает набор индексов:

[r(:), c(:)] =
     1     1
     2     1
     2     1
     1     2
     2     2
     2     2
     1     3
     2     3
     2     3

и это индексы для входных значений x(:), которые являются эквивалентом вектора-столбца x:

x(:) =
    27
    28
    28
    10
    20
    30
     8
    10
    50

Процесс накопления:

• Первое значение 27 помещается в ячейку ‹1,1> в выходной матрице.
• Второе значение 28 помещается в ячейку ‹2,1> в выходной матрице.
• Третье значение 28 помещается в ячейку ‹2,1> в выходной матрице.

Видишь, что только что произошло? Оба значения 28 накапливаются в одной и той же ячейке (и в конечном итоге они будут усреднены). Процесс продолжается:

• Четвертое значение 10 помещается в ячейку ‹1,2> в выходной матрице.

и так далее...

Как только все значения сохранены в ячейках, функция mean применяется к каждой ячейке, и мы получаем окончательную выходную матрицу:

y =
    27    10     8
    28    25    30

Вы можете найти accumarray с @mean полезным:

Предполагая, что первый столбец содержит значения 1 .. k для некоторого k <= size(x,1), вы можете вычислить каждый столбец вывода, используя

col = accumarray( x(:,1), x(:,2), [], @mean ); % second column

Учитывая ваш ввод

x = [ ...
    26   77.5700   17.9735   32.7200; ...
    27   40.5887   16.6100   31.5800; ...
    28   60.4734   18.5397   33.6200; ...
    28   35.6484   27.2000   54.8000; ...
    29   95.3448   19.0000   37.7300; ...
    30   82.7273   30.4394   39.1400];

Вы можете создать массив индексов, в котором дублированные vgalue используют один и тот же индекс, используя третий вывод unique.

%Get index of unique values (1 - N)
[~, ~, ix] = unique(x(:,1))

Затем вы можете использовать этот массив, чтобы перестроить свою матрицу, комбинируя повторяющиеся значения с функцией по вашему выбору.

%Use accumarry to rebuild the matrix one column at a time
result = [...
    accumarray( ix, x(:,1), [], @max )  ...  %Many functions works here, as all inputs are the same.  E.G.  @mean, @max, @min
    accumarray( ix, x(:,2), [], @mean ) ...  %Use mean to combine data, per problem statement.
    accumarray( ix, x(:,3), [], @mean ) ...
    accumarray( ix, x(:,4), [], @mean ) ...
    ]