Python Matlab等效于Numpy广播？

我试图找到一种方法，在Matlab中从3*（一个大数字）矩阵的每列中减去一个大小为3的向量。当然我可以使用循环，但我正试图找到一些更有效的解决方案，有点像numpy广播。哦，我不能使用repmat，因为我没有足够的内存来使用它（因为它会创建另一个3*（一个大数字）矩阵）

---

这是可能的吗？

由于编译器的优化，循环在MATLAB中不再糟糕。大多数时候，我注意到在当前的MATLAB版本中使用循环的解决方案比复杂的（尽管很酷：D）一行程序要快得多

可能会起作用，但根据我的经验，它也会有内存问题，但不如

repmat

所以语法应该是：

AA=bsxfun（@减号，A，b）

其中

b

是向量，

A

是你的大矩阵

---

但我敦促你先分析一下这个不合理的版本，然后再做决定！最可能的情况是，由于内存限制，您可能没有选择：）

我不知道这是否会加快代码的速度，但是从向量中减去标量不会有内存问题。由于矩阵大小是如此不对称，因此短维上for循环的开销可以忽略不计

所以也许

matout = matin;
for j = 1:size(matin, 1) %3 in this case
     matout(j,:) = matin(j,:) - vec_to_subtract(j);
end

---

当然，您可以在适当的位置执行此操作，但我不知道您是否希望保留原始矩阵。

事实上，似乎（使用mex文件重载运算符）也能实现此目的，尽管我尚未对其进行测试。

其他答案有点过时——Matlab R2016b似乎已经过时了。该博客文章中与问题匹配的示例：

>> A = ones(2) + [1 5]'
A =
     2     2
     6     6

---

关于BSXFUN，您可能是对的。它仍然会有内存问题，但我相信它通常比使用REPMAT要好一些。我喜欢

bsxfun

的一点是，在2010a和2010b版本中，它将以本机方式多线程处理您的代码，以提高性能，而无需您过多干预。@JudoWill:太好了！我一直在寻找一个针对repmat的明确案例——你有关于它的文档吗？也许这个链接：，如你所见，多线程只适用于足够大的矩阵。正如最近的一个答案所指出的，Matlab R2016b似乎已经将广播作为一个标准功能添加。（）实际上，for循环是在大维度上的（因为我从size-3*（很多）数组的每一列中减去一个size-3向量），所以我害怕for循环。这样考虑一下——将数组分成3个大小为1xN的向量。然后从每个向量中减去相应的标量。所以for循环是短维的。2016b中还有其他一些惊人的新特性，比如可以用“+”连接的一流字符串（）。哦，我只是在讽刺：-）注：广播很棒，但有时你得不到你想要的。我花了4个小时在我的代码中查找这个错误：

x=（1-A+K*C）^-1；%A是一个nxn矩阵

。MATLAB不知道我想要的是单位矩阵！（为了他人的利益而共享）。正如最近的一个答案所指出的，MatlabR2016B似乎已将广播添加为标准功能。()