创建一个高表格，从表格中提取一个高向量，然后查找向量中的元素总数。

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离开时间的信息。提取ArrDelay变量，它是一个到达延迟向量。

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

使用matlab.tall.reduce计算非-的总数南高向量中的元素。第一个函数元素个数统计每个数据块中的元素数，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……高双数组?？？．．.？？？．．.？ ? ? ... : : : : : :

把结果收集到记忆里。

s =收集(s)

using the Local MATLAB Session: - Pass 1 of 1: Completed in 0.84 sec

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离开时间的信息。提取ArrDelay和DepDelay变量，是到达和离开延误的矢量。

ds = tabularTextDatastore (“airlinesmall.csv”，“TreatAsMissing”，“NA”）;ds。SelectedVariableNames = {“ArrDelay”“DepDelay”}; tt=高（ds）；tt=RMM缺失（tt）；tX=tt.arr延迟；tY=tt.depday；

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

作用bx=sumcount（tx，ty）bx=[sum（tx）numel（tx）sum（ty）numel（ty）]；结束

在算法的简化阶段，您需要将所有中间的和和计数加在一起。因此,matlab.tall.reduce返回每个输入向量的元素总数和元素数量，然后计算平均值是一个简单的除法。对于这个步骤，您可以应用总和函数的第一个维度的1 × 4向量输出从第一阶段。

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

s = MxNx……高双数组?？？．．.？？？．．.？ ? ? ... : : : : : :

s =收集(s)

using the Local MATLAB Session: - Pass 1 of 1: Completed in 2.1 sec

s =1×4860584 120866 982764 120866

前两个要素年代合计和算数吗tX，后两个元素是泰．将总和和计数相乘得到平均值，可以将其与返回的结果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 = gather(mean([tX tY]))

using the Local MATLAB Session: - Pass 1 of 1: Completed in 0.56 sec

m=1×27.1201 - 8.1310

作用bx=sumcount（tx，ty）bx=[sum（tx）numel（tx）sum（ty）numel（ty）]；结束

创建一个高表，然后在数据中计算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离开时间的信息。从表中删除丢失的数据行并提取ArrDelay，DepDelay和一年变量。这些变量是数据集中每个航班的到达和起飞延迟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将两个函数应用到高桌子上。第一个函数结合了ArrDelay和DepDelay变量，求每个航班的总平均延误。该函数确定每个数据块中有多少个独特的年份，然后对每年进行循环，并计算该年的航班平均总延误。结果是一个包含年份和平均总延迟的双变量表。这一中间数据需要进一步减少，以达到每年的平均延迟。将此函数保存在当前文件夹中为transform_fcn.m．

类型transform_fcn

函数t = transform_fcn(a,b,c) ii = gather(unique(c));For k = 1:length(ii) jj = (c == ii(k));D = mean([a(jj) b(jj)]， 2);如果k == 1 t = table(c(jj)，d，'VariableNames'，{'Year' 'MeanDelay'});Else 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，这样数据块可以按任何顺序连接，并不断减少，直到每年只剩下一行。

类型reduce_fcn

函数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(type双)和输出(类型桌子)有不同的数据类型，请使用“OutputsLike”指定输出为表的名称-值对。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。

一个= 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 ____ _________ ?？？？？？: : : :

将结果收集到内存中，以查看每年平均的总航班延误。

d1 =收集(d1)

using the Local MATLAB Session: - Pass 1 of 1: Completed in 1.5 sec

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

groups=findgroups（c）；d2=splitapply（@mySplitFcn，a，b，c，groups）；d2=gather（d2）

using the Local MATLAB Session: - Pass 1 of 2: Completed in 0.65 sec - Pass 2 of 2: Completed in 1.8 sec

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⋮

计算加权标准差和方差的一个高数组使用权重向量。这是你如何使用的一个例子matlab.tall.reduce解决高数组还不支持的功能。万博1manbetx

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

rng默认的tX=高（兰特（1e4,1））；p=兰特（1e4,1）；tP=高（标准化（p，“规模”、sum (p)));

编写一个恒等函数，返回与输入相等的输出。这种方法跳过的转换步骤matlab.tall.reduce并将数据直接传递到约简步骤，在该步骤中反复应用约简函数来减小数据的大小。

类型identityTransform.m

函数[A，B]=标识转换（X，Y）A=X；B=Y；结束

接下来，编写一个约简函数，对高向量块进行操作，以计算加权方差和标准偏差。

类型weightedStats.m

function [wvar, wstd] = weightedStats(X, P) wvar = var(X,P);wstd =性病(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. txt . txt。减少(@identityTransform， @weightedStats, tX, tP)

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