我发现sclarke81和Sam Robert的回答实际上都不起作用，而且我怀疑预分配的概念是否适用于
matfile。下面报告的结果是在i7-3770 CPU @ 3.4 GHz、16.8 GB主存储器上运行Matlab R2013a，Linux 3.16系统下获得的。
代码：
mf = matfile(fn, 'Writable', true);
mf.x(5000, 200000) = 0;
clear mf
理论上，此代码在磁盘上“分配”了8 GB的内存，并初始化为0。然而，生成的文件大小只有4726字节，整个过程不到0.01秒。我可以将大小增加10倍或100倍，但并没有太大变化。很奇怪。顺便说一句，结尾处的
clear是为了确保Matlab写入和关闭文件。
通常，我们希望预分配时将NaN初始化而不是0。用这种方法接收更好。
mf = matfile(fn, 'Writable', true);
mf.x = nan(5000, 200000);
clear mf
该方法需要11秒钟，并生成57 MB的文件。但正如OP所指出的，这种方法没有意义，因为它首先在内存中生成整个8 GB矩阵，然后再将其写出，这违背了
matfile的目的。如果矩阵可以放入内存，则在处理数据时没有理由将数据保留在文件中。
Sam Roberts建议首先分配/初始化为0，然后将值更改为NaN：
mf = matfile(fn, 'Writable', true);
mf.x(5000, 200000) = 0;
mf.x = mf.x * nan;
clear mf
这需要16秒，生成的文件大小相同。然而，这种方法并不比上面的朴素方法更好，因为在第三行中，整个矩阵被读入内存，与标量NaN在内存中相乘，然后再次写出，导致峰值内存消耗为8GB。（这不仅符合
文档中解释的
matfile变量的语义，我还使用了内存使用监视器进行了检查。）
sclarke81提议通过以下方式避免在内存中生成矩阵：
mf = matfile(fn, 'Writable', true);
mf.x(1 : 5000, 1 : 200000) = nan;
clear mf
这个想法可能是只在内存中生成一个标量NaN，然后将其复制到磁盘矩阵的每个元素中。然而，事实并非如此。实际上，这种方法似乎会在峰值时消耗约8.38 GB的内存，比朴素方法多出12%！
现在更多地谈论使用
matfile进行预分配的优点。如果不进行预分配，但是按行用NaN填充数组。
mf = matfile(fn, 'Writable', true);
for i = 1 : 5000
mf.x(i, 1 : 200000) = nan(1, 200000);
end
clear mf
这需要27秒。但是，如果预先分配并初始化为0，然后逐行用NaN进行覆盖。
mf = matfile(fn, 'Writable', true);
mf.x(5000, 200000) = 0;
for i = 1 : 5000
mf.x(i, 1 : 200000) = nan(1, 200000);
end
clear mf
它需要很长时间：当我在45分钟后中止进程时，进程仅完成约3％，推算总运行时间大约为一天！
matlab.io.MatFile的行为是黑暗而神秘的，目前似乎只有广泛测试才能找到有效使用此功能的方法。然而，人们可以得出结论，在处理
matfile时，预分配是一个不好的想法。
