Arrays 在MATLAB中，何时使用bsxfun是最佳选择？
我注意到，很多关于堆栈溢出的MATLAB问题的好答案经常使用函数Arrays 在MATLAB中，何时使用bsxfun是最佳选择？,arrays,matlab,bsxfun,Arrays,Matlab,Bsxfun,我注意到，很多关于堆栈溢出的MATLAB问题的好答案经常使用函数bsxfun。为什么? 动机：在bsxfun的MATLAB文档中，提供了以下示例： A = magic(5); A = bsxfun(@minus, A, mean(A)) 当然，我们可以使用以下方法执行相同的操作： A = A - (ones(size(A, 1), 1) * mean(A)); 事实上，一个简单的速度测试表明第二种方法大约快20%。那么为什么要使用第一种方法呢？我猜在某些情况下，使用bsxfun将比“手动”方
bsxfunbsxfunA = magic(5);
A = bsxfun(@minus, A, mean(A))
A = A - (ones(size(A, 1), 1) * mean(A));
bsxfun另外，这个问题的最后一个元素，同样来自
bsxfuna = rand(1e7, 1);
tic;
idx = bsxfun(@plus, [0:2]', 1:numel(a)-2);
toc
% Equivalent code from im2col function in MATLAB
tic;
idx0 = repmat([0:2]', 1, numel(a)-2);
idx1 = repmat(1:numel(a)-2, 3, 1);
idx2 = idx0+idx1;
toc;
isequal(idx, idx2)
Elapsed time is 0.297987 seconds.
Elapsed time is 0.501047 seconds.
ans =
1
bsxfunidx0idx1bsxfunbsxfunbsxfun多亏了Dan的评论，这里有一个很好的讨论。我使用bsxfun的原因有三个（，）
bsxfunrepmatbsxfunbsxfunaccumarraybsxfun挤压repmatbsxfunbsxfunrepmatbsxfunbsxfunrepmatrepmatbsxfunn = 300;
k=1; %# k=100 for the second graph
a = ones(10,1);
rr = zeros(n,1);
bb = zeros(n,1);
ntt = 100;
tt = zeros(ntt,1);
for i=1:n;
r = rand(1,i*k);
for it=1:ntt;
tic,
x = bsxfun(@plus,a,r);
tt(it) = toc;
end;
bb(i) = median(tt);
for it=1:ntt;
tic,
y = repmat(a,1,i*k) + repmat(r,10,1);
tt(it) = toc;
end;
rr(i) = median(tt);
end
在我的例子中，我使用了
bsxfunA = A - (ones(size(A, 1), 1) * mean(A));
尺寸（A，1）尺寸（A，2）one（尺寸（A，1），1）one（1，尺寸（A，1））one（尺寸（A，1），1）*平均值（A）平均值（A）*one（尺寸（A，1），1）平均值（A）平均值（A，2）bsxfun平均值（a）平均值（a，2）bsxfun此外，它较短，从而提高了键入速度和可读性事情并不总是与三种常用方法一致：
repmatbsxfunbsxfunbsxfunbsxfunA = A - (ones(size(A, 1), 1) * mean(A));