有没有更快的方法从方阵中删除所有非对角线元素？

Question

在需要从大型方阵中删除非对角线元素的应用程序中，我遇到了一个小的性能瓶颈。所以，矩阵x

17    24     1     8    15
23     5     7    14    16
 4     6    13    20    22
10    12    19    21     3
11    18    25     2     9

变成

17     0     0     0     0
 0     5     0     0     0
 0     0    13     0     0
 0     0     0    21     0
 0     0     0     0     9

问题：下面的 bsxfun 和 diag 解决方案是迄今为止最快的解决方案，我怀疑我是否可以改进它同时仍将代码保留在 Matlab 中，但有更快的方法吗？

解决方案

这是我到目前为止的想法。

通过单位矩阵执行逐元素乘法。这是最简单的解决方案：

y = x .* eye(n);

使用bsxfun 和diag：

y = bsxfun(@times, diag(x), eye(n));

下/上三角矩阵：

y = x - tril(x, -1) - triu(x, 1);

使用循环的各种解决方案：

y = x;
for ix=1:n
    for jx=1:n
        if ix ~= jx
            y(ix, jx) = 0;
        end
    end
end

和

y = x;
for ix=1:n
    for jx=1:ix-1
        y(ix, jx) = 0;
    end
    for jx=ix+1:n
        y(ix, jx) = 0;
    end
end

时间

bsxfun 解决方案实际上是最快的。这是我的计时码：

function timing()
clear all

n = 5000;
x = rand(n, n);

f1 = @() tf1(x, n);
f2 = @() tf2(x, n);
f3 = @() tf3(x);
f4 = @() tf4(x, n);
f5 = @() tf5(x, n);

t1 = timeit(f1);
t2 = timeit(f2);
t3 = timeit(f3);
t4 = timeit(f4);
t5 = timeit(f5);

fprintf('t1: %f s\n', t1)
fprintf('t2: %f s\n', t2)
fprintf('t3: %f s\n', t3)
fprintf('t4: %f s\n', t4)
fprintf('t5: %f s\n', t5)
end

function y = tf1(x, n)
y = x .* eye(n);
end


function y = tf2(x, n)
y = bsxfun(@times, diag(x), eye(n));
end


function y = tf3(x)
y = x - tril(x, -1) - triu(x, 1);
end


function y = tf4(x, n)
y = x;
for ix=1:n
    for jx=1:n
        if ix ~= jx
            y(ix, jx) = 0;
        end
    end
end
end


function y = tf5(x, n)
y = x;
for ix=1:n
    for jx=1:ix-1
        y(ix, jx) = 0;
    end
    for jx=ix+1:n
        y(ix, jx) = 0;
    end
end
end

返回

t1: 0.111117 s
t2: 0.078692 s
t3: 0.219582 s
t4: 1.183389 s
t5: 1.198795 s

Answer 1

我发现：

diag(diag(x))

比bsxfun 快。同样：

diag(x(1:size(x,1)+1:end))

速度或多或少相同。与timeit 一起玩x=rand(5000) 我都比你的bsxfun 快了~20 倍。

编辑：

这相当于diag(diag(...:

x2(n,n)=0;
x2(1:n+1:end)=x(1:n+1:end);

请注意，我预分配x2 的方式很重要，如果您只使用x2=zeros(n)，您会得到一个较慢的解决方案。在this discussion 中阅读更多相关信息...

Answer 2

我没有费心测试你的各种循环函数，因为它们在你的实现中要慢得多，但我测试了其他的，加上我以前使用过的另一种方法：

y = diag(diag(x));

剧透如下：

c1: 193.18 milliseconds  // multiply by identity
c2: 102.16 milliseconds  // bsxfun
c3: 342.24 milliseconds  // tril and triu
c4:   6.03 milliseconds  // call diag twice

看起来对diag 的两次调用是迄今为止我机器上最快的。

完整的计时代码如下。我使用了自己的基准测试函数而不是 timeit，但结果应该是可比较的（您可以自己检查）。

>> x = randn(5000);

>> c1 = @() x .* eye(5000);
>> c2 = @() bsxfun(@times, diag(x), eye(5000));
>> c3 = @() x - tril(x,-1) - triu(x,1);
>> c4 = @() diag(diag(x));


>> benchmark.bench(c1)

Benchmarking @()x.*eye(5000)
   Mean: 193.18 milliseconds, lb 191.94 milliseconds, ub 194.25 milliseconds, ci 95%
  Stdev: 6.01 milliseconds, lb 3.27 milliseconds, ub 8.58 milliseconds, ci 95%

>> benchmark.bench(c2)

Benchmarking @()bsxfun(@times,diag(x),eye(5000))
   Mean: 102.16 milliseconds, lb 100.83 milliseconds, ub 103.44 milliseconds, ci 95%
  Stdev: 6.61 milliseconds, lb 6.04 milliseconds, ub 7.07 milliseconds, ci 95%

>> benchmark.bench(c3)

Benchmarking @()x-tril(x,-1)-triu(x,1)
   Mean: 342.24 milliseconds, lb 340.28 milliseconds, ub 344.20 milliseconds, ci 95%
  Stdev: 10.06 milliseconds, lb 8.85 milliseconds, ub 11.17 milliseconds, ci 95%

>> benchmark.bench(c4)

Benchmarking @()diag(diag(x))
   Mean: 6.03 milliseconds, lb 5.96 milliseconds, ub 6.09 milliseconds, ci 95%
  Stdev: 0.34 milliseconds, lb 0.27 milliseconds, ub 0.40 milliseconds, ci 95%