Вы можете использовать splitapply (немного дружелюбный младший брат accumarray):

% Your example
data = rand(20,1000); % generate data
bins = [5 10 5];      % given size of bins

% Calculation
bins = repelem(1:numel(bins), bins).'; % Bin sizes to group labels
binned_data = splitapply( @mean, data, bins ); % splitapply for calculation

Строки binned_data - ваши a, [115 ] и c.

Первоначальный вопрос: расщепление и усреднение по разным затемнениям

Среднее значение может быть применено до расщепления, которое сводит данные в вектор, а затем accumarray [ 116] можно использовать:

binned_data = accumarray(repelem(1:numel(bins), bins).', mean(data,2), [], @(x){x.'});

accumarray ^{1 не работает с матричными данными. Но вы можете использовать} sparse , который автоматически накапливает значения данных, соответствующие тем же индексам:

ind_rows = repmat(repelem((1:numel(bins)).', bins), 1, size(data,2));
ind_cols = repmat(1:size(data,2), size(data,1), 1);
binned_data = sparse(ind_rows, ind_cols, data);
binned_data = bsxfun(@rdivide, binned_data, bins(:));
binned_data = num2cell(binned_data, 2).';

^{Но splitapply делает. См. @ Ответ Вулфи .}

Вы можете использовать умножение матриц:

r = 1:numel(bins);
result = (r.' == repelem(r,bins)) * data .* (1./bins(:));

Если вы хотите выводить как ячейку:

result = num2cell(result,2);

Для больших матриц лучше использовать разреженную матрицу:

Примечание: в предыдущих версиях MATLAB вы должны использовать bsxfun:

result = bsxfun(@times,bsxfun(@eq, r.',repelem(r,bins)) * data , (1./bins(:)))

Вот результат синхронизации для трех предложенных методов в Octave:

Умножение матриц:

0.00197697 seconds

Accumarray:

0.00465298 seconds

Cellfun:

0.00718904 seconds

РЕДАКТИРОВАТЬ: Для матрицы 200 x 100000:

Умножение матриц: [ 1120]

0.806947 seconds   sparse: 0.2331  seconds

Accumarray:

0.0398011 seconds

Cellfun:

0.386079  seconds

Вы также можете использовать простой цикл for, я не вижу, как другая функция может быть быстрее в этом случае. Функция mean должна в любом случае читать каждое значение, чтобы ...

for ii = 1:numel(start_bins)
    res{ii} = mean(data(start_bins(ii):end_bins(ii),:),1);
end

Я не собираюсь разбивать ячейку на несколько переменных, поскольку ячейка предназначена именно для этого.