如何高效实现Matlab中矩阵维度的转换？

原代码通过嵌套循环处理维度转换，在数据量较大时（比如示例中B=5000）效率极低，完全可以利用Matlab的内置维度操作函数替代，大幅缩短运行时间。

核心逻辑分析 #

原矩阵Matrix1维度为(T, 3*N, B)，目标矩阵Matrix2维度为(T, 3*B, N)。本质是将Matrix1第二维度的3个长度为N的块，分别交换第二、第三维度后，在第二维度上拼接成3个长度为B的块。

方法一：分块处理+拼接 #

T = 250;
N = 10;
B = 5000;

Matrix1 = rand(T, N*3, B);

% 拆分第二维度为3个N长度的子块
block1 = Matrix1(:, 1:N, :);
block2 = Matrix1(:, N+1:2*N, :);
block3 = Matrix1(:, 2*N+1:3*N, :);

% 交换每个子块的第二、第三维度（将(T, N, B)转为(T, B, N)）
block1_perm = permute(block1, [1, 3, 2]);
block2_perm = permute(block2, [1, 3, 2]);
block3_perm = permute(block3, [1, 3, 2]);

% 在第二维度拼接三个子块，得到目标矩阵
Matrix2 = cat(2, block1_perm, block2_perm, block3_perm);

方法二：reshape+permute组合（更简洁） #

T = 250;
N = 10;
B = 5000;

Matrix1 = rand(T, N*3, B);

% 一步完成维度转换
Matrix2 = reshape(permute(reshape(Matrix1, T, N, 3, B), [1, 4, 3, 2]), T, 3*B, N);

步骤说明：

1. reshape(Matrix1, T, N, 3, B)：将原矩阵第二维度的3*N拆分为N×3的结构，得到维度(T, N, 3, B)
2. permute(..., [1, 4, 3, 2])：调整维度顺序为(T, B, 3, N)，实现交换原第二、第三维度的逻辑
3. reshape(..., T, 3*B, N)：将(T, B, 3, N)合并第二、第三维度为3*B，得到最终的(T, 3*B, N)矩阵

效率优势 #

Matlab的内置函数（permute、reshape、cat）都是底层优化的向量/矩阵操作，避免了显式循环的逐元素处理开销。当B取值较大时，这种方法的运行速度会比嵌套循环快几个数量级。

内容的提问来源于stack exchange，提问作者Barbab