matlab中的矩阵重组

我在matlab中有一个矩阵x，它有6*n*n*3行和一列，代表6*n*n点的三维坐标。坐标的排列方式为：行1:6*n*n是x坐标，行6*n*n+1:12*n*n是y坐标，行12*n*n+1:18*n*n是z坐标

我想从中构建两个新矩阵，一个简单地将给定点的x，y，z坐标放在一起，另一个的行I由点I减去其他点组成

现在，我正在使用双for循环来实现这一点，对于n>16，这个循环非常慢。使用matlab向量/矩阵功能有更好/更快的方法吗

这是我当前的代码

x=x(1:6*n*n);
y=y(6*n*n+1:12*n*n);
z=z(12*n*n+1:18*n*n);
N=6*n*n;
points=[];
difs=[];
for i=1:N
    difrow=[];
    points=[points;x(i) y(i) z(i)];
    for j=1:N
       deltax=x(i)-x(j);
       deltay=y(i)-y(j);
       deltaz=z(i)-z(j);
       difrow=[difrow deltax deltay deltaz];
    end  

    difs=[difs;difrow];
end 

---

我不知道你们的数据是什么样子的，但让我们尝试一下简单的事情，然后我最终会扩展我的答案

第一个微优化：始终将中间结果缓存在Matlab中，以提高循环时的性能

x = x(1:6*n*n);
y = y(6*n*n+1:12*n*n);
z = z(12*n*n+1:18*n*n);

points = [];
difs = [];

for i=1:N
    difrow = [];

    x_i = x(i);
    y_i = y(i);
    z_i = z(i);

    points = [points; x_i y_i z_i];

    for j=1:N
       deltax = x_i - x(j);
       deltay = y_i - y(j);
       deltaz = z_i - z(j);

       difrow = [difrow deltax deltay deltaz];
    end  

    difs=[difs; difrow];
end

第二次微优化：预先实例化阵列以避免内联内存重新分配

x = x(1:6*n*n);
y = y(6*n*n+1:12*n*n);
z = z(12*n*n+1:18*n*n);

points = NaN(N,1);
difs = [];

for i=1:N
    x_i = x(i);
    y_i = y(i);
    z_i = z(i);

    points(i) = [x_i y_i z_i];

    difrow = NaN(N,1);

    for j=1:N
       deltax = x_i - x(j);
       deltay = y_i - y(j);
       deltaz = z_i - z(j);

       difrow(j) = [deltax deltay deltaz];
    end  

    difs = [difs; difrow];
end

---

您可以避免使用循环、数组整形和串联（假设

x，y，z

是大小为

[N x 1]

的列向量）：

或者在最新版本的MATLAB中，您可以执行以下操作：

points = [x y z];
deltax = x.' - x;
deltay = y.' - y;
deltaz = z.' - z;
difs   = reshape([deltax(:) deltay(:) deltaz(:)].',N*3,[]).';

---

我做了这些。它稍微改善了一些，但对于n=20，即2400点，需要4分钟，我需要到n=36左右。对于这么多点，4分钟并不长，但因为我不知道你在尝试做什么，以及你的数据是什么样子，很难为代码开发一个全新的逻辑，以便以更快的性能获得相同的结果。点需要是一个由N行（每个点一行）和3列（每个点坐标一列）组成的矩阵。上面的代码给出了一个点矩阵，有一行和3*N列。没有x、y、z是每N行长。它们的OK大小是

[1 x N]

points = [x y z];
deltax = x.' - x;
deltay = y.' - y;
deltaz = z.' - z;
difs   = reshape([deltax(:) deltay(:) deltaz(:)].',N*3,[]).';