MATLAB优化：无循环实现数组块内0/1值批量复制

针对你这个把大型0-1向量按块统一为块首值的需求，完全可以利用MATLAB的向量化操作替代循环，大幅提升效率——毕竟MATLAB的内置数组操作都是经过底层优化的，对超大规模数据的处理比显式循环快得多。下面给你几种实用的方法：

方法1：索引广播（最简洁推荐） #

核心思路是生成一个索引数组，让每个块内的所有位置都指向该块的首元素，直接通过索引完成赋值：

% 生成每个元素对应的块首索引
block_indices = ceil((1:length(vec))/m);
% 用块首元素覆盖整个块
vec = vec(block_indices);

这个方法会自动处理n不是m整数倍的情况（比如最后一个块长度不足m），代码极简，可读性也很强，是我最推荐的方案。

方法2：提取块首后重复扩展 #

先提取所有块的首元素，再将每个首元素重复对应次数来生成目标向量：

% 提取每个块的第一个元素
block_heads = vec(1:m:length(vec));
% 处理n非m整数倍的边界情况
total_len = length(vec);
full_blocks = length(block_heads) - 1;
last_block_len = total_len - full_blocks*m;
% 生成最终向量
vec = [repmat(block_heads(1:end-1), m, 1); repmat(block_heads(end), last_block_len, 1)];

如果能确定n是m的整数倍，代码可以简化成：

block_heads = vec(1:m:n);
vec = repmat(block_heads, m, 1);
vec = vec(:); % 确保结果是列向量

方法3：使用kron函数生成重复模式 #

kron（克罗内克积）函数可以快速生成元素重复的模式，这里用它来把每个块首元素扩展成对应块的长度：

block_heads = vec(1:m:length(vec));
total_len = length(vec);
% 处理边界情况
if mod(total_len, m) ~= 0
    last_block_len = mod(total_len, m);
    vec = [kron(block_heads(1:end-1), ones(m,1)); kron(block_heads(end), ones(last_block_len,1))];
else
    vec = kron(block_heads, ones(m,1));
end

这个方法逻辑清晰，适合熟悉张量积操作的用户。

效率对比 #

对于极大规模的n，上述向量化方法的运行效率会远高于原循环——即使MATLAB新版本有JIT编译优化循环，面对超大规模数组时，内置向量化操作的底层优化优势依然非常明显。你可以用timeit函数对比不同方法的运行时间，直观验证效果。

内容的提问来源于stack exchange，提问作者Kapa11