tic;
VI = zeros([size(V,1), size(TI,2)]);
for j = 1:size(V,1)
VI(j,:) = interp1(T(j,:),V(j,:),TI);
end
toc;
我希望重写这段代码，消除for循环，改用矩阵运算和函数实现。是否可以向量化？
interp1q代替interp，这样就不需要对数据进行任何检查。interp1q正常工作，x必须是单调递增的列向量。Y必须是长度为x行数的列向量或矩阵。xi必须是列向量。[N, S] = size(V);
VT = V'; % Value series in columns
TT = T'; % Time series in columns
VIT = zeros(length(TI), N); % Interpolated value series in columns
for j = 1:N
VIT(:, j) = interp1(VT(:, j), TT(:, j), TI);
end
VI = VIT'; % Interpolated value series in rows
很遗憾，我认为无法进一步改善此代码的性能，因为不同的值系列没有相关的时间序列。如果它们有相同的时间，以便我们可以将T折叠成一个向量，使length(T) = S，那么这将很容易实现：
VIT = interp1(VT, T, TI); % (see VIT and VT from above)
如果您所说的所有测量都有不同的测量时间（T是矩阵而不是向量），您可以通过一次对arrayfun的调用来实现所需操作，如下所示：
VI = arrayfun(@(x)(interp1(T(x,:),V(x,:),TI)), 1:size(V, 1), 'UniformOutput', false);
VI = cell2mat(VI');
arrayfun类似于循环，但由于它是一个内部的matlab函数，所以它可能更快。它返回一个向量的单元格，因此第二行确保您有一个矩阵作为输出。您可能不需要它-这取决于您稍后对数据要做什么。
另一方面，如果在不同的N值下同时进行了测量（T是大小为S的向量，而不是矩阵，或者换句话说，T的所有行都相等），则可以在一次调用interp1中进行插值。
VI = interp1(T(1,:), V', TI)
在interp1内插列时，您必须转置V。这是因为MATLAB按列存储矩阵（列在内存中是连续的）。如果将V作为SxN矩阵传递，则可能允许更有效的interp1并行化，因为所有CPU可以更有效地访问内存。因此，我建议您在整个代码中转置矩阵，除非您在某些其他地方依赖于此确切的数据布局以提高性能。
编辑由于矩阵的列布局，您的原始代码可以通过转置矩阵并按列处理来改进。对于N = 1000，S = 10000和TI为10000个元素，以下版本在我的计算机上快约20％。由于更有效的内存带宽利用，它可能会随着系统大小而增长。
tic;
VI = zeros(size(TI,2), size(V,2));
for j = 1:size(V,2)
VI(:,j) = interp1(T(:,j),V(:,j),TI);
end
toc;
interp1（我以前从未使用过），如果下面的回答不当，请提前道歉。mat2cell和cellfun来消除显式循环。NumRow = 4;
NumCol = 3;
V = randn(NumRow, NumCol);
VCell = mat2cell(V, ones(NumRow, 1), NumCol);
A = cellfun(@sum, VCell);
当然，我做的事情等同于sum(V,2)。但我认为我使用的方法也适用于你的情况。 mat2cell函数将V转换为一个单元列向量，其中每个单元格包含V的一行。然后对VCell中的每个单元格应用sum函数，并将结果返回到A中的cellfun调用。您可以尝试简单地将@sum替换为@interp1，并当然适当地调整cellfun的输入。
如果您无法使其正常工作，就请告诉我，我会在回家后尽力为您提供更明确的解决方案。如果您成功了，但速度并没有显著提高，我会非常感兴趣知道这一点，请在此处发布结果。
- 代码的清晰易懂度；
- 正确使用 MATLAB 语言和内置函数；
- 如果存在向量化内置函数，则可能实现相当大（数量级）的性能提升。
- Marc