performance - 为什么访问存储在单元格中的数据的时间比存储在矩阵中的时间短？

我在 matlab 中处理非常大的数据，并用于将这些数据存储在矩阵中。我曾经按行存储我的数据，但由于 Matlab 按列存储数据，我知道重塑我的矩阵以便按列索引可以使处理速度更快。这是我的意思的一个例子:

一般参数

nbr_channels = 20;
nbr_samples_per_channel = 3200000;
fake_data = randn(1, nbr_samples_per_channel);
ROI = 1200000 : 2800000;

按行分配数据

data = nan(nbr_channels, nbr_samples_per_channel);
tic;
for j = 1 : nbr_channels
    data(j, 1:nbr_samples_per_channel) = fake_data;
end;
toc;

% Elapsed time is 1.476525 seconds.

从行矩阵返回数据

tic;
for j = 1 : nbr_channels
    bla = data(j, ROI);
end;
toc;

% Elapsed time is 0.572162 seconds.

返回行矩阵中的所有数据

tic;
for j = 1 : nbr_channels
    bla = data(j, :);
end;
toc;

% Elapsed time is 0.589489 seconds.

按列分配数据

data = nan(nbr_samples_per_channel, nbr_channels);
tic;
for j = 1 : nbr_channels
    data(1:nbr_samples_per_channel, j) = fake_data;
end;
toc;

% Elapsed time is 0.299682 seconds.

从列矩阵返回数据

tic;
for j = 1 : nbr_channels
    bla = data(ROI, j);
end;
toc;

% Elapsed time is 0.260824 seconds.

返回列矩阵中的所有数据

tic;
f    or j = 1 : nbr_channels
    bla = data(:, j);
end;
toc;

% Elapsed time is 0.092983 seconds.

摘要第 1 部分:

正如我们所见，按列访问数据将处理时间至少减少了两倍!

但我不明白为什么细胞更有效!看看这个例子:

按单元格分配数据

data = cell(1, nbr_samples_per_channel);
tic;
for j = 1 : nbr_channels
    data{j} = fake_data;
end;
toc;

% Elapsed time is 0.000013 seconds.

从元胞数组返回数据

tic;
for j = 1 : nbr_channels
    bla = data{j}(ROI);
end;
toc;

% Elapsed time is 0.260294 seconds.

从元胞数组中返回所有数据

tic;
for j = 1 : nbr_channels
    bla = data{j};
end;
toc;

% Elapsed time is 0.000022 seconds.

%%

摘要第 2 部分:

这比我在第 1 部分中显示的要快几个数量级。

问题 1

为什么访问存储在单元格中的数据的时间比存储在矩阵中的时间短？

问题 2

使用矩阵通常比使用单元更容易，因为使用矩阵可以做到
my_matrix(100:20000, 1:3)
但是对于细胞，我不能这样做(据我所知)。关于如何同时从多个单元格返回特定元素的任何替代方法？

最佳答案

你看到不同的时间，因为你没有做同样的事情。要比较您的两个案例:

按单元格分配数据

您正在创建一个元胞数组行向量，并将长双向量填充到每个元胞中

每次循环迭代都会将向量 1 次分配到元胞数组中的单个槽中

有 'nbr_samples_per_channel' 正在完成的分配数量。

按列分配数据

您正在遍历矩阵的列，并为每列中的每个元素分配一个向量

每次循环迭代，无论您使用的是什么简写冒号 : 符号，都会解析为许多赋值。 data(1:nbr_samples_per_channel, j) 表示 'nbr_samples_per_channel' 分配 PER 迭代。

总体而言，您正在执行 'nbr_samples_per_channel' * 'nbr_channels' 总分配。

为了说明我的观点，只需重新编写没有冒号运算符的循环即可将所有赋值可视化。

for j = 1 : nbr_channels

    n = length(fake_data)

    data(1,     j) = fake_data(1);
    data(2,     j) = fake_data(1);

    ... etc ...

    data(n - 1, j) = fake_data(n-1);
    data(n,     j) = fake_data(n);

end

因此，总而言之，您正在比较两种不同的事物，因此您不能说一个真的比另一个快，因为它们并不等效。

如果你只是循环一个双数组和一个元胞数组，并进行常规赋值......

%% Setup samples and pre-allocate
numberOfSamples = 100000;

doubleData = nan(numberOfSamples, 1);
cellData = cell(numberOfSamples, 1);

randomValues = rand(numberOfSamples, 1);

%% Assign N number of values to a double array
tic;
for idx = 1 : numberOfSamples
    data(numberOfSamples) = randomValues(idx);
end
doubleTime = toc;

%% Assign N number of values to a cell array
tic;
for idx = 1 : numberOfSamples
    cellData{numberOfSamples} = randomValues(idx);
end
cellTime = toc;

disp(sprintf('Double Array: %f seconds', doubleTime));
disp(sprintf('Cell   Array: %f seconds', cellTime));

你最终得到:

Double Array: 0.006073 seconds
Cell   Array: 0.032966 seconds

对于你的第二个问题，这是你想要做的吗？

>> bigCell = {1 2 3 4; 5 6 7 8; 9 10 11 12; 13 14 15 16}

bigCell =

    [ 1]    [ 2]    [ 3]    [ 4]
    [ 5]    [ 6]    [ 7]    [ 8]
    [ 9]    [10]    [11]    [12]
    [13]    [14]    [15]    [16]

>> subCell = bigCell(1:2, 3:4)

subCell =

    [3]    [4]
    [7]    [8]

请注意，子单元仍然是一个单元。通过使用 ( ) 而不是 { } 来访问单元格，您可以将其保留为单元格。

关于performance - 为什么访问存储在单元格中的数据的时间比存储在矩阵中的时间短？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/8066077/