Matlab 优化两个嵌套for循环和if条件

我有下面一段代码，它通过两个嵌套的

for

-循环运行，中间有一个

if

条件：

N=1e4;

cond_array = [0:(N/2-1) -N/2+(0:(N/2-1))]/(N);
condition  = 0.1;

arr_one = zeros(N, 1);
arr_two = zeros(N, 1);

for m=1:N
    for k=1:N
        if(abs(cond_array(k)) <= condition)
            arr_one(m)  = arr_one(m)  + m*k;
        else
            arr_two(m)  = arr_two(m)  + m*k;
        end
    end
end

N=1e4；
cond_数组=[0:（N/2-1）-N/2+（0:（N/2-1））]/（N）；
条件=0.1；
arr_one=0（N，1）；
arr_two=零（N，1）；
对于m=1:N
对于k=1:N
if（abs（cond_array（k））研究逻辑索引的使用。
如果不太了解您的代码，我可以想象您可以通过类似于下面的数组函数删除循环

arr_one(abs(cond_array)<condition)

arr\u one（abs（cond\u数组）研究逻辑索引的使用。
如果不太了解您的代码，我可以想象您可以通过类似于下面的数组函数删除循环

arr_one(abs(cond_array)<condition)

arr_one（abs（cond_array）这里有一种更快（且可读）的方法来获得相同的结果：

N=1e4;
cond_array = [0:(N/2-1) -N/2+(0:(N/2-1))]/(N);
condition  = 0.1;
% this is so you don't check the same condition multiple times:
cond = abs(cond_array)<=condition;
% a vector of the positions in 'arr_one' and 'arr_two':
pos = (1:N).';
% instead of m*k(1)+m*k(2)... use: m*sum(k):
k1 = sum(pos(cond)); % for arr_one
k2 = sum(pos(~cond));% for arr_two
% the final result:
arr_one = pos.*k1;
arr_two = pos.*k2;

arrayfun
不比
for
循环快，只是更紧凑。使用
for
循环如下：

arr_one = zeros(N,1);
arr_two = zeros(N,1);
for k = 1:N
    arr_one(k) = ek1(k);
    arr_two(k) = ek2(k);
end

下面是另一个更通用的选项，使用
bsxfun
：

ek = @(m,k) exp((m-1).*(k-1));
arr_one = sum(bsxfun(ek,1:N,k1)).';
arr_two = sum(bsxfun(ek,1:N,k2)).';

以下是获得相同结果的更快（且可读性更好）的方法：

N=1e4;
cond_array = [0:(N/2-1) -N/2+(0:(N/2-1))]/(N);
condition  = 0.1;
% this is so you don't check the same condition multiple times:
cond = abs(cond_array)<=condition;
% a vector of the positions in 'arr_one' and 'arr_two':
pos = (1:N).';
% instead of m*k(1)+m*k(2)... use: m*sum(k):
k1 = sum(pos(cond)); % for arr_one
k2 = sum(pos(~cond));% for arr_two
% the final result:
arr_one = pos.*k1;
arr_two = pos.*k2;

arrayfun
不比
for
循环快，只是更紧凑。使用
for
循环如下：

arr_one = zeros(N,1);
arr_two = zeros(N,1);
for k = 1:N
    arr_one(k) = ek1(k);
    arr_two(k) = ek2(k);
end

下面是另一个更通用的选项，使用
bsxfun
：

ek = @(m,k) exp((m-1).*(k-1));
arr_one = sum(bsxfun(ek,1:N,k1)).';
arr_two = sum(bsxfun(ek,1:N,k2)).';

arr\u one=（1:N）*sum（find（abs（cond\u array）优化工作代码实际上是目的，所以像这样的问题在那里非常受欢迎！：）
arr\u one=（1:N）*sum（find（abs（cond\u array）优化工作代码实际上是目的，所以像这样的问题在那里非常受欢迎！：）我不确定
arr\u one（N，1）=0；
是安全的，如果我没有弄错的话，你可能会在你的向量中有随机值。最好使用
零（N，1）
来确保安全。@如果是安全的，MATLAB启动一个零矩阵，你可以自己检查。试试
arr_one（k）
在初始化之后，使用小于
N的
k
函数，看看是否得到了非零的结果。好吧，我发现自MATLAB R2015b以来，零函数的速度更快。因此我编辑了我的答案。@EBH谢谢。如果最后一个术语
m*k
采用了更高级的形式，如
exp（（m-1）*（k-1））@ BLYYJY？这是NATE比编程更重要，也是另一个问题的主题，但不管怎样，请看我的编辑。请，如果它解决了这个问题，考虑接受答案，如果你对具体的场景有进一步的问题-发布一个新的问题。我不确定是否<代码> ARLYONE（N，1）。=0；
是安全的，如果我没有弄错的话，你可能会在你的向量中有随机值。最好使用
零（N，1）
来确保安全。@如果是安全的，MATLAB启动一个零矩阵，你可以自己检查。试试
arr_one（k）
在初始化之后，使用小于
N的
k
函数，看看是否得到了非零的结果。好吧，我发现自MATLAB R2015b以来，零函数的速度更快。因此我编辑了我的答案。@EBH谢谢。如果最后一个术语
m*k
采用了更高级的形式，如
exp（（m-1）*（k-1））@ BLYYJY？这是NATE比编程更重要，也是另一个问题的主题，但不管怎样，请看我的编辑。请，如果它解决了这个问题，考虑接受答案，如果你对具体场景有进一步的问题-发布一个新的问题。