MATLAB中每行列数可变时如何实现长格式数据到宽格式的转换？

AI 小北

2026-10-2

Matlab 长格式加速度计数据转宽格式高效实现方案

原有实现的性能瓶颈是逐秒循环的解释执行开销，百万级秒数下循环迭代的开销会被无限放大，替换为完全向量化的索引赋值操作，即可将运行耗时从分钟级压缩到毫秒级。

优化后代码（全版本兼容）

% 可选：如果原始数据没有按「整秒+亚秒」升序排列，先执行排序保证顺序正确
Dpts_observations = sortrows(Dpts_observations, [1 2]);

% 1. 给每个整秒分配唯一的行索引
[~, ~, row_idx] = unique(Dpts_observations(:,1));
% 2. 给每个秒内的观测按顺序分配列索引（同秒内依次为1、2、3...）
col_idx = cell2mat(accumarray(row_idx, 1, [], @(x) {1:length(x)}));
% 3. 统计输出矩阵维度
n_sec = max(row_idx);
max_col = max(accumarray(row_idx, 1));
% 4. 预分配NaN矩阵
Acc_X = NaN(n_sec, max_col);
% 5. 批量赋值，无任何循环
linear_idx = sub2ind(size(Acc_X), row_idx, col_idx);
Acc_X(linear_idx) = Dpts_observations(:,3);

若已预计算Dpts_attributes属性表，可进一步省略统计步骤，效率更高：

% 直接用已有属性生成列索引
col_idx = cell2mat(arrayfun(@(n) 1:n, Dpts_attributes.Obs_per_sec, 'UniformOutput', false));
% 生成行索引：每个秒号重复对应观测次数
row_idx = repelem(1:height(Dpts_attributes), Dpts_attributes.Obs_per_sec);
% 后续赋值逻辑和上方一致
Acc_X = NaN(height(Dpts_attributes), max(Dpts_attributes.Obs_per_sec));
linear_idx = sub2ind(size(Acc_X), row_idx, col_idx);
Acc_X(linear_idx) = Dpts_observations(:,3);