Matlab/Octave如何将存储不同尺寸矩阵的cell数组展开为单列向量
Matlab/Octave 异构尺寸矩阵Cell转单列向量实现方案
常见踩坑说明
直接使用cell2mat结合reshape操作时,很容易触发维度不匹配报错,核心原因是:
- Cell内每个矩阵的行列尺寸没有统一要求,纵向拼接需要所有矩阵列数一致,横向拼接需要所有矩阵行数一致,尺寸不匹配时
cell2mat无法直接完成数组拼接 - 原生循环通过动态追加数组拼接的写法,每次循环都要重新分配内存、拷贝全量数据,在存储大矩阵的场景下性能很差
实测性能最优方案(Octave 5.2.0环境基准测试结果)
按照给出的基准测试结果,预分配cell+批量vertcat的写法速度最快,代码如下:
unrolled_cell = cell(length(X), 1); for ii = 1:length(X) unrolled_cell{ii} = X{ii}(:); end unrolled_X = vertcat(unrolled_cell{:});
该方案的优势是:
- 循环过程中只对每个矩阵做拉平操作,不动态扩容主输出数组,避免重复内存拷贝
- 最后一步通过
vertcat的逗号列表语法一次性完成所有向量的拼接,引擎内部会预分配最终输出的总内存,比逐次追加的效率高一个量级
性能接近最优的简洁写法
以下cellfun写法的运行速度和最优方案差距极小,不需要手动写循环:
unrolled_X = cell2mat(cellfun(@(x) x(:).', X, 'UniformOutput', false)).';
同类cellfun写法的性能差异原因
测试中发现的两个cellfun方案耗时差一倍的问题,本质是内存拷贝开销不同:
- 耗时较高的写法是先对cell做转置、再拼接拉平后的列向量,多了两次大数组转置的全量内存拷贝操作,Octave对这类大数组转置的优化不如原生Matlab,因此开销大幅提升
- 耗时较低的写法是先将每个矩阵拉平为行向量,横向拼接为大矩阵后再一次性整体转置为列向量,仅需要一次全量内存拷贝,因此性能和手动预分配循环的方案基本持平
内容的提问来源于stack exchange,提问作者Turbo
相关产品推荐
相关产品推荐

