无dictionaryfun时，如何在MATLAB中实现Python字典推导式等效功能？

MATLAB没有原生的字典推导函数，但可以通过迭代+过滤+容器构建的组合方式，实现和Python字典推导一致的功能，支持值依赖键、键依赖值、条件过滤，同时适配MATLAB的1索引规则（可按需转换为Python风格的0索引）。

核心思路 #

1. 数据源适配：将Python中的可迭代对象（列表、字典项）转换为MATLAB的元胞数组/键值对集合
2. 逻辑定义：用匿名函数分别声明键、值的生成规则，支持键值互相依赖
3. 条件过滤：通过逻辑数组筛选符合条件的元素
4. 字典构建：使用MATLAB的dict（R2022b+）或containers.Map生成最终字典

对应示例实现 #

示例1：带索引过滤的推导 #

Python原代码：

{2*i: x-1 for i, x in enumerate([1, 2, 3]) if (x != 2 and i > 0)}
# 输出：{4: 2}

MATLAB实现：

% 数据源对应Python的[1,2,3]，MATLAB索引1-3对应Python的0-2
data = [1, 2, 3];
[idxs, vals] = deal(1:numel(data), num2cell(data));

% 键/值生成逻辑（转换为Python的0索引计算）
key_fun = @(i, x) 2*(i-1);
val_fun = @(i, x) x - 1;
% 过滤条件：对应Python的x≠2且i>0
filter_fun = @(i, x) ~(x == 2) && (i-1 > 0);

% 筛选符合条件的元素
mask = cellfun(filter_fun, num2cell(idxs), vals);
selected_idxs = idxs(mask);
selected_vals = vals(mask);

% 生成键值数组并构建字典
keys = cellfun(key_fun, num2cell(selected_idxs), selected_vals, 'UniformOutput', false);
values = cellfun(val_fun, num2cell(selected_idxs), selected_vals, 'UniformOutput', false);
result = dict(keys, values); % R2022b+用dict，旧版本替换为containers.Map
% 输出：dict(4, 2)

示例2：含数组元素的推导 #

Python原代码：

{i: ("a", x**2) for i, x in enumerate([1, np.array([2, 3])])}
# 输出：{0: ('a', 1), 1: ('a', array([4, 9]))}

MATLAB实现：

% 数据源用元胞数组存放标量和数组
data = {1, [2, 3]};
[idxs, vals] = deal(1:numel(data), data);

% 键保持Python的0索引，值用元胞组对应Python元组
key_fun = @(i, x) i-1;
val_fun = @(i, x) {'a', x.^2};

% 无过滤条件，直接生成键值
keys = cellfun(key_fun, num2cell(idxs), vals, 'UniformOutput', false);
values = cellfun(val_fun, num2cell(idxs), vals, 'UniformOutput', false);
result = dict(keys, values);
% 输出：dict(0, {'a',1}, 1, {'a',[4,9]})

示例3：基于字典项的推导 #

Python原代码：

{k: v**2 for k, v in dict(a=1, b=-2).items() if v > 0}
# 输出：{'a': 1}

MATLAB实现：

% 原始字典
original_dict = dict('a', 1, 'b', -2);
[key_list, val_list] = deal(original_dict.keys(), original_dict.values());

% 键值逻辑与过滤条件
key_fun = @(k, v) k;
val_fun = @(k, v) v^2;
filter_fun = @(k, v) v > 0;

% 筛选并构建新字典
mask = cellfun(filter_fun, key_list, val_list);
selected_keys = key_list(mask);
selected_vals = val_list(mask);

keys = cellfun(key_fun, selected_keys, selected_vals, 'UniformOutput', false);
values = cellfun(val_fun, selected_keys, selected_vals, 'UniformOutput', false);
result = dict(keys, values);
% 输出：dict('a', 1)

通用封装函数 #

可以将上述逻辑封装为复用函数，简化调用：

function result = dict_comprehension(data, key_fun, val_fun, filter_fun)
    % 处理默认过滤条件（无过滤）
    if nargin < 4
        filter_fun = @(k,v) true;
    end
    
    % 适配不同数据源类型
    if isa(data, 'dict') || isa(data, 'containers.Map') || isstruct(data)
        [key_list, val_list] = deal(data.keys(), data.values());
    else
        [idxs, val_list] = deal(1:numel(data), num2cell(data));
        key_list = num2cell(idxs);
    end
    
    % 应用过滤
    mask = cellfun(filter_fun, key_list, val_list);
    selected_keys = key_list(mask);
    selected_vals = val_list(mask);
    
    % 生成键值
    keys = cellfun(key_fun, selected_keys, selected_vals, 'UniformOutput', false);
    values = cellfun(val_fun, selected_keys, selected_vals, 'UniformOutput', false);
    
    % 构建字典（适配新旧版本）
    if exist('dict', 'class')
        result = dict(keys, values);
    else
        result = containers.Map(keys, values);
    end
end

用封装函数调用示例 #

% 示例1调用
data = [1,2,3];
result1 = dict_comprehension(data, @(i,x)2*(i-1), @(i,x)x-1, @(i,x)(x~=2)&&(i-1>0));

% 示例2调用
data = {1, [2,3]};
result2 = dict_comprehension(data, @(i,x)i-1, @(i,x){'a',x.^2});

% 示例3调用
original_dict = dict('a',1,'b',-2);
result3 = dict_comprehension(original_dict, @(k,v)k, @(k,v)v^2, @(k,v)v>0);

内容的提问来源于stack exchange，提问作者OverLordGoldDragon