for i=1:nj T1b(i)=T2(1,4,4,i)+T2(2,4,4,i)+T2(3,4,4,i)+T2(4,4,4,i)+T0(i); T2b(i)=T2(1,4,6,i)+T2(2,4,6,i)+T2(3,4,6,i)+T2(4,4,6,i)+T0(i); T3b(i)=T2(1,4,8,i)+T2(2,4,8,i)+T2(3,4,8,i)+T2(4,4,8,i)+T0(i); T4b(i)=T2(1,4,10,i)+T2(2,4,10,i)+T2(3,4,10,i)+T2(4,4,10,i)+T0(i); end代码优化

可以使用向量化操作来优化这段代码，避免使用循环。可以使用 NumPy 库中的 `sum()` 函数和数组切片来实现：

T1b = T2[0, 3, 3, :] + T2[1, 3, 3, :] + T2[2, 3, 3, :] + T2[3, 3, 3, :] + T0
T2b = T2[0, 3, 5, :] + T2[1, 3, 5, :] + T2[2, 3, 5, :] + T2[3, 3, 5, :] + T0
T3b = T2[0, 3, 7, :] + T2[1, 3, 7, :] + T2[2, 3, 7, :] + T2[3, 3, 7, :] + T0
T4b = T2[0, 3, 9, :] + T2[1, 3, 9, :] + T2[2, 3, 9, :] + T2[3, 3, 9, :] + T0

这里使用了数组切片 `[i, j, k, :]`，表示取第四维的所有元素。这样做的好处是，可以避免使用循环，提高代码效率。