如何无for循环向量化实现矩阵列向量的f映射求和？

针对你的需求，这里提供两种向量化实现思路，取决于函数f是否支持批量处理矩阵输入：

情况1：f已支持向量化输入 #

如果f可以直接接收2×m的矩阵（即同时处理所有二维列向量），并输出n×m的矩阵（每列对应原X列的f计算结果），那直接用一行代码就能完成：

function img = g(X)
    img = sum(f(X), 2);
end

逻辑说明 #

• f(X)会对输入矩阵X的每一列独立执行映射，生成n行m列的结果矩阵；
• sum(..., 2)指定沿着**第二个维度（列维度）**求和，将矩阵中每一行的m个元素累加，最终得到n×1的结果向量，和原循环版本的输出完全一致。

情况2：f仅支持单个二维向量输入 #

如果f只能处理2×1的单个向量，无法直接接收矩阵，可以用arrayfun替代显式for循环，实现更简洁的向量化风格代码：

function img = g(X)
    [~, m] = size(X);
    % 遍历X的每一列，调用f并存储结果到细胞数组
    f_cell = arrayfun(@(idx) f(X(:, idx)), 1:m, 'UniformOutput', false);
    % 将细胞数组转换为矩阵后求和
    img = sum(cell2mat(f_cell), 2);
end

逻辑说明 #

• arrayfun会自动遍历索引1到m，对每个索引提取X的对应列传入f；UniformOutput设为false是因为f返回的是向量，需要用细胞数组存储；
• cell2mat将存储各列结果的细胞数组转换为n×m的矩阵，再通过sum(...,2)完成累加。

额外建议 #

如果可以修改f的实现，优先将其改造为支持向量化输入的版本——Matlab的向量化原生操作效率远高于循环（包括arrayfun底层的隐式循环），比如将f中针对单个向量的元素级操作，改成按列处理的矩阵操作，能大幅提升大矩阵输入时的运行速度。

内容的提问来源于stack exchange，提问作者Kilkik