如何高效计算矩阵中对应逻辑矩阵True元素的行乘积？

当然有更高效的实现方式！咱们先拆解下现有方法的冗余点：A.^B会对矩阵所有元素执行幂运算——当B对应位置为false时，计算A.^false得到1，但这些1在后续求行乘积时完全不影响结果，属于没必要的计算开销，尤其当矩阵规模较大时，这种冗余会拖慢运行速度。

优化方案1：直接替换无关元素为1再求乘积 #

这是最直观的向量化优化，直接将B为false的位置的元素设为1（因为乘1不改变乘积结果），再对每行求乘积：

A = [1 2 ; 3 4 ; 5 6];
B = [false true ; true true ; true false ];

temp = A;
temp(~B) = 1; % 将B为false的位置设为1
C = prod(temp, 2);

运行结果和原方法一致：C = [2 ; 12 ; 5];

优化方案2：提取每行有效元素再求乘积 #

如果不想修改原矩阵，可以直接通过逻辑索引提取每行中B为true的元素，再单独求乘积：

C = arrayfun(@(row_idx) prod(A(row_idx, B(row_idx, :))), 1:size(A,1));
C = C(:); % 转成列向量格式

这种方法只对需要参与乘积的元素进行计算，完全跳过无关元素，在B中true占比很低时，效率提升会非常明显。

效率对比 #

两种优化方案都避免了原方法中多余的幂运算：

• 方案1的赋值操作temp(~B) = 1比元素级幂运算A.^B快得多，适合大规模矩阵的场景；
• 方案2则更精准，只处理需要计算的元素，适合稀疏逻辑矩阵（true占比小）的场景。

内容的提问来源于stack exchange，提问作者Matthew Thirkettle