在Matlab中，什么时候使用bsxfun最合适？
我的问题：我注意到很多关于SO的Matlab问题的很好的答案经常使用函数bsxfun 。 为什么？
动机：在bsxfun的Matlab文档中，提供了以下示例：
A = magic(5); A = bsxfun(@minus, A, mean(A))
当然，我们可以使用以下方法进行相同的操作
A = A - (ones(size(A, 1), 1) * mean(A));
而实际上一个简单的速度testing表明第二种方法快了大约20％。 那为什么要用第一种方法？ 我猜测在某些情况下，使用bsxfun比“手动”的方法要快得多。 我真的很想看到这样的情况的例子，并解释为什么它更快。
此外，对于这个问题的最后一个元素，同样来自bsxfun的Matlab文档：“C = bsxfun（fun，A，B）将函数handle fun指定的逐个元素的二进制操作应用于数组A和B，单身扩展启用“。 “单启扩展”是什么意思？
有三个原因我使用bsxfun （ 文档 ， 博客链接 ）
-
bsxfun比repmat快（见下文） -
bsxfun需要更less的input - 使用
bsxfun，就像使用accumarray，使我对Matlab的理解感觉很好。
bsxfun将复制input数组沿着它们的“单一维度”，也就是说数组的大小是1的维度，以便它们匹配另一个数组的相应维度的大小。 这就是所谓的“单身扩张”。 顺便说一下，如果你叫squeeze ，那么单体维度就是那个下降的维度。
对于非常小的问题， repmat方法可能会更快 – 但是在这个arrays尺寸下，两个操作都非常快，以至于在整体性能方面可能没有任何区别。 bsxfun的速度有两个重要的原因：（1）计算发生在编译代码中，这意味着数组的实际复制不会发生，（2） bsxfun是multithreadingMatlab函数之一。
我已经在我体面快速的笔记本电脑上用R2012b运行了repmat和bsxfun之间的速度比较。
对我来说， bsxfun比repmat快3倍。 如果arrays变大，差异就会变得更加明显
repmat运行时间跳转发生在1Mb的数组大小，这可能与我的处理器caching的大小有关 – bsxfun并没有像跳转那样坏，因为它只需要分配输出数组。
下面你可以find我用于计时的代码：
n = 300; k=1; %# k=100 for the second graph a = ones(10,1); rr = zeros(n,1); bb=zeros(n,1); ntt=100; tt=zeros(ntt,1); for i=1:n; r = rand(1,i*k); for it=1:ntt; tic, x=bsxfun(@plus,a,r); tt(it)=toc; end; bb(i)=median(tt); for it=1:ntt; tic, y=repmat(a,1,i*k)+repmat(r,10,1); tt(it)=toc; end; rr(i)=median(tt); end
就我而言，我使用bsxfun因为它避免了我考虑列或行问题。
为了写你的例子：
A = A - (ones(size(A, 1), 1) * mean(A));
我必须解决几个问题：
1） size(A,1)或size(A,2)
2） ones(sizes(A,1),1)或ones(1,sizes(A,1))
3）个人ones(size(A, 1), 1) * mean(A)或mean(A)*ones(size(A, 1), 1)
4） mean(A)或mean(A,2)
当我使用bsxfun ，我只需要解决最后一个：
a） mean(A)或mean(A,2)
你可能认为这是懒惰的或什么的，但是当我使用bsxfun ，我有更less的错误 ，我编程更快 。
此外，它更短，这提高了打字速度和可读性 。
非常有趣的问题！ 我最近在回答这个问题时偶然发现了这种情况。 考虑以下通过向量a计算大小为3的滑动窗口的索引的代码：
a = rand(1e7,1); tic; idx = bsxfun(@plus, [0:2]', 1:numel(a)-2); toc % equivalent code from im2col function in MATLAB tic; idx0 = repmat([0:2]', 1, numel(a)-2); idx1 = repmat(1:numel(a)-2, 3, 1); idx2 = idx0+idx1; toc; isequal(idx, idx2) Elapsed time is 0.297987 seconds. Elapsed time is 0.501047 seconds. ans = 1
在这种情况下， bsxfun几乎快了一倍！ 这是有用的和快速的，因为它避免了matrixidx0和idx1 的显存分配 ，将它们保存到内存中，然后再次读取它们以添加它们。 由于内存带宽是宝贵的资产，通常是今天体系结构的瓶颈，所以要明智地使用内存带宽，并降低代码的内存要求以提高性能。
bsxfun允许你做到这一点：创build一个matrix的基础上，应用一个任意的运算符到两个向量的所有元素对上，而不是明确地操作两个通过复制向量获得的matrix。 这是单身扩张 。 您也可以将其视为BLAS的外部产品 ：
v1=[0:2]'; v2 = 1:numel(a)-2; tic; vout = v1*v2; toc Elapsed time is 0.309763 seconds.
你乘两个向量来获得一个matrix。 只是外部产品只能执行乘法，而bsxfun可以应用任意的操作符。 作为一个侧面说明，看到bsxfun和BLAS外部产品一样快，这是非常有趣的。 BLAS通常被认为是提供性能。
编辑感谢丹的评论，这是一个伟大的文章由罗兰讨论到这一点。
从R2016b开始，Matlab支持各种运算符的隐式扩展 ，所以在大多数情况下，不再需要使用bsxfun ：
以前，这个function可以通过
bsxfun函数获得。 现在build议您将bsxfun大部分用法直接调用到支持隐式扩展的函数和运算符。 与使用bsxfun相比， 隐式扩展提供了更快的速度 ， 更好的内存使用 ，并提高了代码的可读性 。
在Loren的博客上有关于 Implicit Expansion及其performance的详细讨论 。 引用 MathWorks的Steve Eddins：
在R2016b中， 隐式扩展在大多数情况下比
bsxfun快或者更快。 隐式扩展的最佳性能收益是小matrix和数组大小。 对于大的matrix大小，隐式扩展往往与bsxfun速度大致相同。
事情并不总是与3种常用的方法一致： repmat ， bsxfun的索引和bsxfun 。 当你进一步增加vector大小时，它会变得更有趣。 看情节：
bsxfun实际上比其他两个稍微慢一些，但是让我吃惊的是，如果你增加vector的大小（> 13E6输出元素），bsxfun会突然再次快速增加大约3倍。 他们的速度似乎在跳跃，顺序并不总是一致的。 我的猜测是它可能是处理器/内存大小，但通常我认为我会尽可能坚持bsxfun 。
