MATLAB中两个嵌套for循环的矢量化

我有两个嵌套的for循环，用于格式化加载的数据。这些回路具有以下结构：

data = magic(20000);
data = data(:,1:3);

for i=0:10
    for j=0:10
        data_tmp = data((1:100)+100*j+100*10*i,:);
        vx(:, i+1,j+1) = data_tmp(:,1);
        vy(:, i+1,j+1) = data_tmp(:,2);
        vz(:, i+1,j+1) = data_tmp(:,3);
    end
end

---

数组

vx

、

vy

和

vz

我会预先分配到所需的大小。但是，是否有一种方法可以将-循环的

矢量化以提高效率？由于第二个循环中的第一行，
data（（1:100）+100*j+100*10*I，：）
，我不认为是这样，有更好的方法吗
 结果是循环中有重复的索引

当
i=k，j=10
和
i=k+1，j=0
为
k时，循环中出现了重复索引

对于
k的
i=k，j=10
和
i=k+1，j=0
，如果你想坚持循环，这里有一个更快的方法：

data = randi(100,20000,3);
[vx,vy,vz] = deal(zeros(100,11,11));
[J,I] = ndgrid(1:11,1:11);
c = 1;
for k = 0:100:11000
    vx(:,I(c),J(c)) = data((1:100)+k,1);
    vy(:,I(c),J(c)) = data((1:100)+k,2);
    vz(:,I(c),J(c)) = data((1:100)+k,3);
    c = c+1;
end

我猜@Dohyun的
重塑
答案就是你想要的（它比这个快x10倍，比你的代码快x10000倍），但是下次你使用循环时，这可能会很有用


这是另一个不使用
重塑
的选项，时间与
重塑
版本相似：

[vx,vy,vz] = deal(zeros(100,10,11));
vx(:) = data(1:11000,1);
vy(:) = data(1:11000,2);
vz(:) = data(1:11000,3);
vx = permute(vx,[1 3 2]);
vy = permute(vy,[1 3 2]);
vz = permute(vz,[1 3 2]);

这样做的目的是在分配它们时定义
[vx，vy，vz]
的形状。
如果您想坚持循环，这里有一种更快的方法：

data = randi(100,20000,3);
[vx,vy,vz] = deal(zeros(100,11,11));
[J,I] = ndgrid(1:11,1:11);
c = 1;
for k = 0:100:11000
    vx(:,I(c),J(c)) = data((1:100)+k,1);
    vy(:,I(c),J(c)) = data((1:100)+k,2);
    vz(:,I(c),J(c)) = data((1:100)+k,3);
    c = c+1;
end

我猜@Dohyun的
重塑
答案就是你想要的（它比这个快x10倍，比你的代码快x10000倍），但是下次你使用循环时，这可能会很有用


这是另一个不使用
重塑
的选项，时间与
重塑
版本相似：

[vx,vy,vz] = deal(zeros(100,10,11));
vx(:) = data(1:11000,1);
vy(:) = data(1:11000,2);
vz(:) = data(1:11000,3);
vx = permute(vx,[1 3 2]);
vy = permute(vy,[1 3 2]);
vz = permute(vz,[1 3 2]);

其思想是在分配它们时定义
[vx，vy，vz]
的形状

[vx,vy,vz] = deal(zeros(100,10,11));
vx(:) = data(1:11000,1);
vy(:) = data(1:11000,2);
vz(:) = data(1:11000,3);
vx = permute(vx,[1 3 2]);
vy = permute(vy,[1 3 2]);
vz = permute(vz,[1 3 2]);