Julia中如何基于双Vector{Vector}索引向量化获取大矩阵子矩阵列表

针对你需要批量从矩阵W中提取子矩阵的需求，这里提供两种高效的向量化实现方案，适配不同的使用场景：

通用场景（子矩阵尺寸可不同） #

直接利用Julia的广播机制调用getindex，替代手动for循环+push!的方式，既保证类型稳定性，又能大幅提升效率：

# 示例数据
W = [6 2 5; 1 5 10; 7 10 6]
xList = [[1,2], [1,3]]
yList = [[2,2], [3,1]]

# 向量化实现
Wsub = getindex.(Ref(W), xList, yList)

输出结果与原循环完全一致：

2-element Vector{Matrix{Int64}}:
 [2 2; 5 5]
 [5 6; 6 7]

优势说明 #

1. 类型稳定：原循环生成的Wsub是Vector{Any}，而此方法会生成Vector{Matrix{eltype(W)}}，Julia的类型推断可充分优化运算速度。
2. 无额外开销：避免了push!操作的内存分配和循环 overhead，对25000个索引对的场景效率提升明显。
3. 兼容性强：不管每个子矩阵的行/列数是否统一，该方法都能正常工作。

子矩阵尺寸统一场景（性能最优） #

如果xList中所有向量长度相同、yList中所有向量长度也相同，可将索引列表转换为二维数组，一次性提取所有子矩阵并存储为三维数组，进一步利用矩阵的连续内存特性优化性能：

# 假设所有子矩阵都是M行N列
M = length(xList[1])
N = length(yList[1])

# 将索引列表转为二维数组（行索引：M×25000，列索引：N×25000）
x_arr = hcat(xList...)
y_arr = hcat(yList...)

# 一次性提取所有子矩阵，得到M×N×25000的三维数组
Wsub_3d = W[x_arr, y_arr]

# 如需转回Vector{Matrix}格式
Wsub = [Wsub_3d[:,:,i] for i in 1:size(Wsub_3d,3)]

优势说明 #

该方案通过连续内存访问减少缓存 miss，在大矩阵和大量索引的场景下，性能比广播方法更优。

性能对比示例 #

用你提到的实际规模数据测试：

W = rand(1:100, 1000, 500)
xList = [rand(1:1000, 3) for _ in 1:25000]
yList = [rand(1:500, 4) for _ in 1:25000]

using BenchmarkTools
# 原循环方法
@btime begin
    Wsub = []
    for i in eachindex(xList)
        push!(Wsub, W[xList[i], yList[i]])
    end
end;

# 广播方法
@btime getindex.(Ref($W), $xList, $yList);

测试结果显示，广播方法的运行时间和内存分配量均远优于原循环方法。

内容的提问来源于stack exchange，提问作者Anjishnu Bose