“知道前不知道，知道后忘不掉！”的Matlab小妙招

在MATLAB中，(:) 有一个超级简单但极强的功能：把任意维数的数组按列优先拉平成一个列向量。

无论A原来是

• 1 维、2 维、3 维、N 维

• 4×4、512×1024、128×128×64

只要你写：v = A(:); 你就得到了一个1列向量。

由于MATLAB的底层存储是column-major(Fortran存储方式)，也就是我们知道的“列优先”，A的内存排布是：

A(:,1), A(:,2), A(:,3), ... 依次排布

所以(:) 实际上是把内存顺序完全平铺出来，零开销、非常快。因此(:) “一键拉直”的价值在于把复杂的多维问题变成 1D 处理：

• 按某些条件修改矩阵中一部分元素；

• 对每个元素做某种操作；

• 批处理N×M 数据；

• 写算法时只想“对所有样本做某件事”，而不是处理多维结构。

(:) 的常用搭档：reshape

如果你把矩阵拉直了，还想重新变回去或者改变维度：

A1 = reshape(v, size(A));B = reshape(A, new_rows, new_cols)；

Matlab 中 reshape 不改变底层数据，只改变“视图”(维度解释方式)，例如：A = reshape(1:8, [2 4]) 的内存是 [1 2 3 4 5 6 7 8]，只不过被解释成了：

1 3 5 72 4 6 8

使用(:) 展平实际上就是“把视图变回一维”。

使用reshape的元素数量必须一致，否则会报错，并且reshape后的矩阵任然是按列优先构造的，理解了这个，你对所有维度变换都会立刻做到“不用试就知道结果”。

应用场景1：矩阵按条件修改(不想写for)，例如你把超过阈值的所有点压成th，无需循环，也不需要 find：

th = 0.5;A = rand(1024, 4096);v = A(:);v(v > th) = th;A2 = reshape(v, size(A));

应用场景2：对某个维度做操作，但算法更适合 1D 写，例如你想对矩阵所有元素归一化，多维矩阵的全局归一化变得非常优雅：

A = rand(256, 1024);v = A(:);v = (v - min(v)) / (max(v) - min(v));A_norm = reshape(v, size(A));

由于底层线性数据不动，reshape(A,3,2) 只是把这段数据按新的维度解释，并没有复制数据的操作，因此速度极快(O(1)的操作)，在你做复杂数据维度变换时无需担心性能。

是不是(:)和reshape的这个过程一旦理解了，你就再也忘不掉了？