Matlab 使用统计工具箱，数据集数组索引速度非常慢

为什么索引到数据集数组的速度如此之慢？dataset.subsref函数的峰值显示数据集的所有列都存储在单元格数组中。然而，单元索引比数据集索引快得多，数据集索引只是在引擎盖下索引到单元数组中。我猜这与MATLAB OOP的一些开销有关。有没有办法加快速度

%%使用R2011a、PCWIN64
功能加速关闭；%关闭JIT
dat=（1:1e6）'；
dat2=repmat（{'abc'}，1e6，1）；
celldat={dat dat2}；
ds=数据集（dat，dat2）；
N=1e2；
抽搐；
对于j=1:N
tmp=celldat{2}；
结束
toc；
抽搐；
对于j=1:N
tmp2=ds.dat2；%dataset.subsref第262行花费2.778秒
结束
toc；
功能加速打开；%重新启用JIT

运行时间为0.000165秒。
运行时间为2.778995秒。

编辑：我已经更新了示例，使其更像我看到的问题。在dataset.subsref的第262行上花费了大量时间——“b=A.data{varIndex}；”。这对我来说很奇怪，因为这是一个简单的单元格解引用。我想知道是否有一个OOP技巧可以让我索引到“a.data”，而不会产生奇怪的开销

EDIT2:根据安德鲁的建议，我已将此作为bug提交给MatWorks。如果我听到他们的消息，我会更新的

---

EDIT3:Matlab回应说，他们现在已经意识到这个问题，并将在未来的版本中修复它。他们注意到问题是特定于单元阵列的，如果可能的话，尽量避免它们。

是的，您很可能看到Matlab OOP方法调用的开销。与单元格索引或其他一些语言中的方法调用相比，它们的成本很高。每次调用的.513872秒/1e4~=51微秒，这是几个MCOS方法调用的近似成本；在我见过的机器上，每台大约5-15微秒。这看起来像是subsref（）调用本身的方法开销，以及它依次调用的其他方法和属性访问

有关详细信息和讨论，请参阅：

除了对代码进行结构化以尽量减少对“ds.dat”或其他方法的调用之外，我不知道有什么方法可以加快这一过程。如果可能，在处理数据集时，调用“ds.dat”一次，将其保存在局部变量中并在那里处理，然后将其推回到ds对象中

警告：我不知道“功能加速”有什么作用，也不知道它会如何影响这些计时

编辑：我像里奇建议的那样把它扔进了剖析器。在我的R2009b上，大约一半的时间是方法调用开销，其余的时间是find（）、strcmp（）和subsref中的其他操作；subsref不依次调用任何其他方法

---

编辑2：修改后的示例显示了更高的计时。方法调用开销并不能解释所有这些。

在MATLAB profiler下它是什么样子？+1 Richie的评论是对任何MATLAB性能问题的最佳答案。90%以上的时间都花在dataset.subsref的第262行上，这很奇怪b/c这是一个简单的单元格取消引用。不幸的是，我给出的例子太简单，无法说明这一点。我将更新一个更现实的例子。@Rich C:“b=a.data{varIndex}”不是简单的单元格取消引用。“.”部分是MCOS对象字段访问，随后是“{}”单元格取消引用。我对dataset.subsref进行了黑客攻击，将其分为两行：“tmp=a.data；b=tmp{varIndex}；”并对其进行了重新分析。所有时间都花在“a.data”字段访问上。同样，MCOS开销。等等，只有1e2通过了修改后的代码？这是惊人的缓慢。对于subsref中的“a.data”字段访问，这是20毫秒，而不是微秒。除了正常的开销之外，这里还发生了一些可疑的事情。看起来时间与数据有关。例如，如果我把它改为“dat=42；dat2={'foo'}；”，那么它会变快。这几乎就像是写时拷贝优化不起作用，它正在进行数据的大拷贝。是的，保存ds.dat是一个节省时间的好方法。如果我知道循环中需要相同的列，我总是这样做。accel off关闭JIT，因此不会扭曲单元阵列循环的计时。