寻求高效方法：统计二维网格中粒子数最多的网格点

问题背景 #

我有一组位于[0,1]^2空间内的粒子数据集，已对x和y轴完成网格离散化，需要高效找出包含粒子数量最多的网格点。

最初采用双重循环统计的方法速度极慢：

max_count = -inf;
for i = 1:length(x)-1
    for j = 1:length(y)-1
        cnt = size(find(particles(:,1) >= x(i) & particles(:,1) <= x(i+1) & particles(:,2) >= y(j) & particles(:,2) <= y(j+1)),1);
        max_count = max(max_count,cnt);
    end
end

改用histogram2后速度有所提升，但由于需要在数千次循环的每次迭代中执行，耗时仍不理想。已知discretize仅支持一维数组，希望找到更高效的二维替代方案。

优化方案 #

方案1：用discretize手动实现二维离散化

通过分别对x、y方向的粒子坐标做一维离散化，得到每个粒子的网格索引，再用accumarray统计计数，最后取最大值。该方法避免了histogram2的绘图对象开销，纯数值计算效率更高：

% 获取每个粒子在x、y方向的网格索引
x_idx = discretize(particles(:,1), x);
y_idx = discretize(particles(:,2), y);

% 剔除超出网格范围的无效粒子
valid_mask = ~isnan(x_idx) & ~isnan(y_idx);
x_valid = x_idx(valid_mask);
y_valid = y_idx(valid_mask);

% 统计每个网格的粒子数
count_matrix = accumarray([x_valid, y_valid], 1, [length(x)-1, length(y)-1]);

% 提取最大值
max_count = max(count_matrix(:));

方案2：使用histcounts2（专用二维统计函数）

histcounts2是MATLAB专为二维直方图统计设计的底层函数，不会生成绘图对象，比histogram2更轻量化，非常适合批量循环场景：

[count_matrix, ~, ~] = histcounts2(particles(:,1), particles(:,2), x, y);
max_count = max(count_matrix(:));

该函数直接返回网格计数矩阵，省去了从histogram2对象中提取Values的步骤，性能更优。

方案3：均匀网格下的快速索引计算（仅适用于均匀离散网格）

如果你的x、y网格是均匀分布的，可以通过坐标标准化直接计算网格索引，跳过discretize的开销：

% 预计算粒子坐标（循环外只做一次）
px = particles(:,1);
py = particles(:,2);

% 循环内执行（假设当前循环的网格为x_k、y_k）
for iter = 1:num_iterations
    nx = length(x_k) - 1; % x方向网格数
    ny = length(y_k) - 1; % y方向网格数
    
    % 快速计算网格索引
    x_idx = floor(px * nx) + 1;
    y_idx = floor(py * ny) + 1;
    
    % 边界修正，避免索引越界
    x_idx(x_idx > nx) = nx;
    x_idx(x_idx < 1) = 1;
    y_idx(y_idx > ny) = ny;
    y_idx(y_idx < 1) = 1;
    
    % 统计并获取最大值
    count_matrix = accumarray([x_idx, y_idx], 1, [nx, ny]);
    current_max = max(count_matrix(:));
    
    % 后续处理current_max...
end

内容的提问来源于stack exchange，提问作者Grey Haven