我遇到以下问题：我有一个矩阵 20 x 1000，我想将它分成四个大小为 20 x 250 的子矩阵。
之后，我想对每个子矩阵进行操作，假设我有一个长度等于子矩阵数量 4 的向量 P。
P= [ 3 4 5 6]
我对每个子矩阵（A）的目标如下：
对于第一个子矩阵：A(:,1:P(1))=1
还有第二个子矩阵：A(:,1:P(2))=1等等。
没有循环我怎么能做到这一点？
【问题讨论】：
标签： matlab matrix vectorization submatrix
一种矢量化方法可以结合使用cumsum 和bsxfun，尽管这可能会占用一些内存 -
blocksize = 250;
valid_idx = bsxfun(@le,[1:max(P)],P');
idx_mat = bsxfun(@plus,cumsum(valid_idx,2),[0:numel(P)-1]'*blocksize);
A(:,idx_mat(valid_idx)) = 1; %// You can replace this with "A(:,unique(idx_mat))=1;"
另一种略有不同的方法 -
blocksize = 250;
maxP = max(P);
valid_idx = bsxfun(@le,[1:maxP],P');
idx_mat = bsxfun(@plus,[0:numel(P)-1]'*blocksize,1:maxP);
A(:,idx_mat(valid_idx))=1;
请注意，要真正看到矢量化解决方案的好处，您需要在原始循环代码进行大量迭代时使用它。否则，与设置矢量化方法的准备工作相关的开销将是一种浪费。因此，我假设您的实际案例不仅仅涉及 4 个子矩阵。
另一种基于cumsum 的方法，尝试这种方法一定很有趣，甚至可能被证明是最好的-
blocksize = 250;
%//Get monotonically increasing labels within each group, defined by limits from idx
array1 = zeros(1,sum(P));
grp_starts = cumsum(P(1:end-1))+1;
array1(grp_starts) = P(1:end-1);
grp_labels = [1:numel(array1)] - cumsum(array1);
%// Get offsetted indices
array2 = zeros(1,sum(P));
array2(grp_starts) = blocksize;
offsetted_grp_labels = grp_labels + cumsum(array2);
A(:,offsetted_grp_labels)=1; %// perform the operation(s)
【讨论】：