天儿真好，我试图找到一种方法，从MATLAB中的大型矩阵使用[X，Y]点的矢量指数。 通常，我将下标点转换为基体的线性索引。（对于例如。 使用一个向量作为索引的矩阵 ）。然而，该矩阵是4维，和我想利用所有的元素的第三，并且具有相同的第1和第2维第四维。 让我希望用一个例子证明：
Matrix = nan(4,4,2,2); % where the dimensions are (x,y,depth,time)
Matrix(1,2,:,:) = 999; % note that this value could change in depth (3rd dim) and time (4th time)
Matrix(3,4,:,:) = 888; % note that this value could change in depth (3rd dim) and time (4th time)
Matrix(4,4,:,:) = 124;
现在，我希望能够与标的指数（1,2）和（3,4）等，并返回不仅是999和888存在于Matrix(:,:,1,1)但其内容存在于Matrix(:,:,1,2) Matrix(:,:,2,1)和Matrix(:,:,2,2)等等（IRL，的尺寸Matrix可能更喜欢size(Matrix) = (300 250 30 200)
我不希望使用线性指标，因为我想的结果是类似的矢量时尚。 例如，我想结果是这样的：
ans(time=1)
999 888 124
999 888 124
ans(time=2)
etc etc etc
etc etc etc
我还想补充一点，由于我负责的，速度是这里的一个问题矩阵的大小 - 因此，为什么我想使用下标索引来索引到的数据。
我还要提到的（不像这个问题： 访问使用标值，而无需使用sub2ind ），因为我想存储在额外维度，3和4，i和第j个指标的全部信息，我不认为一个稍快版本sub2ind仍然不会削减它..
我能想到的三种方式去了解这个
简单的循环
就在所有的你有，并用冒号访问其余尺寸的2D指数环：
for jj = 1:size(twoDinds,1)
M(twoDinds(jj,1),twoDinds(jj,2),:,:) = rand;
end
线性指数的矢量计算
跳过sub2ind和矢量化线性指数的计算：
% generalized for arbitrary dimensions of M
sz = size(M);
nd = ndims(M);
arg = arrayfun(@(x)1:x, sz(3:nd), 'UniformOutput', false);
[argout{1:nd-2}] = ndgrid(arg{:});
argout = cellfun(...
@(x) repmat(x(:), size(twoDinds,1),1), ...
argout, 'Uniformoutput', false);
twoDinds = kron(twoDinds, ones(prod(sz(3:nd)),1));
% the linear indices
inds = twoDinds(:,1) + ([twoDinds(:,2) [argout{:}]]-1) * cumprod(sz(1:3)).';
Sub2ind
只需使用现成的工具，船舶用Matlab：
inds = sub2ind(size(M), twoDinds(:,1), twoDinds(:,2), argout{:});
速度
那么，哪一个是最快的？ 让我们来看看：
clc
M = nan(4,4,2,2);
sz = size(M);
nd = ndims(M);
twoDinds = [...
1 2
4 3
3 4
4 4
2 1];
tic
for ii = 1:1e3
for jj = 1:size(twoDinds,1)
M(twoDinds(jj,1),twoDinds(jj,2),:,:) = rand;
end
end
toc
tic
twoDinds_prev = twoDinds;
for ii = 1:1e3
twoDinds = twoDinds_prev;
arg = arrayfun(@(x)1:x, sz(3:nd), 'UniformOutput', false);
[argout{1:nd-2}] = ndgrid(arg{:});
argout = cellfun(...
@(x) repmat(x(:), size(twoDinds,1),1), ...
argout, 'Uniformoutput', false);
twoDinds = kron(twoDinds, ones(prod(sz(3:nd)),1));
inds = twoDinds(:,1) + ([twoDinds(:,2) [argout{:}]]-1) * cumprod(sz(1:3)).';
M(inds) = rand;
end
toc
tic
for ii = 1:1e3
twoDinds = twoDinds_prev;
arg = arrayfun(@(x)1:x, sz(3:nd), 'UniformOutput', false);
[argout{1:nd-2}] = ndgrid(arg{:});
argout = cellfun(...
@(x) repmat(x(:), size(twoDinds,1),1), ...
argout, 'Uniformoutput', false);
twoDinds = kron(twoDinds, ones(prod(sz(3:nd)),1));
inds = sub2ind(size(M), twoDinds(:,1), twoDinds(:,2), argout{:});
M(inds) = rand;
end
toc
结果：
Elapsed time is 0.004778 seconds. % loop
Elapsed time is 0.807236 seconds. % vectorized linear inds
Elapsed time is 0.839970 seconds. % linear inds with sub2ind
结论：使用循环。
诚然，上述测试是由JIT未能编译最后两个循环在很大程度上影响和非特异性4D阵列（最后两个方法也ND阵列工作）。 制作四维专用版本无疑会快很多。
然而，与简单的循环索引，没错，是最简单的事，最容易对眼睛非常快过，由于JIT。
所以，这里是一个可能的答案...但它是凌乱。 我怀疑它会更昂贵的计算则更为直接的方法......这绝对不会是我的首选答案。 这将是巨大的，如果我们能找到答案，而无需任何的循环！
Matrix = rand(100,200,30,400);
grabthese_x = (1 30 50 90);
grabthese_y = (61 9 180 189);
result=nan(size(length(grabthese_x),size(Matrix,3),size(Matrix,4));
for tt = 1:size(Matrix,4)
subset = squeeze(Matrix(grabthese_x,grabthese_y,:,tt));
for NN=1:size(Matrix,3)
result(:,NN,tt) = diag(subset(:,:,NN));
end
end
将得到的矩阵， result应具有尺寸size(result) = (4 N tt)
我认为这应该工作，即使Matrix不是方形。 然而，这不是理想的，正如我上面所说。
