Arrays 在Julia中对数组的条件赋值进行基准测试

我是Julia的新手，我通过以下三种等效方法的基准测试了我的理解：将小于

0.5

的数组的所有元素设置为

0。

：

using BenchmarkTools

function test!(A)
    @btime begin # method 1
        mask = $A .< 0.5
        $A[mask] .= 0.
    end
    @btime begin # method 2
        $A[$A .< 0.5] .= 0.
    end
    @btime begin # method 3
        @inbounds begin
            for i in eachindex($A)
                if $A[i] < 0.5
                    $A[i] = 0.
                end
            end
        end
    end
end
n = 1000
test!(rand(n,n))

根据我迄今为止读到的关于朱莉娅的资料，我有几个问题：

为什么方法3是最慢的？我希望它是最快的，因为它避免了任何堆分配。我试图查看LLVM/本机代码输出，但这超出了我的理解范围

为什么方法1和方法2同样快？对于我来说，方法1是“Python/Numpy方法”，其中分配用于存储掩码的中间数组是矢量化Numpy编程的典型（不需要的）副产品。我曾期望Julia通过

操作符将方法2优化为方法3

预期的行为是没有分配和近C快速性能，最好没有显式for循环。我怎样才能做到这一点

---

谢谢您的时间。

您的基准测试有点奇怪。如果你改为这样定义3个函数

function f1(A)
       mask = A .< .5
       A[mask] .= 0
end
function f2(A)
    A[A .< .5] .= 0.
end
function f3(A)
    @inbounds for i in eachindex(A)
        if A[i] < .5
            A[i] = 0.
        end
    end
end

函数f1（A）
面罩=A。<.5
A[掩码]。=0
结束
功能f2（A）
A[A.<.5].=0。
结束
功能f3（A）
@每个印地安语中i的内边界（A）
如果A[i]<0.5
A[i]=0。
结束
结束
结束

---

而

@btime

他们，我知道

f3

大约快2倍。

事实上，这产生了方法3的预期行为。这是因为在我的测试函数中使用了

$A

（但我不知道问题在于你重复插值的方式阻止了Julia知道你所有的

A

都是相同的方法1和2是相同的，它们都为掩码创建了一个临时数组。如果你想要“融合”广播，你还必须对索引部分进行点播，而这在Julia中是不可能的（至少，现在是这样）。您可以尝试显式使用

setindex！

函数。好的，谢谢。我还找到了

replace！

函数，它的速度与下面@Oscar Smith的

f3（A）

一样快。

function f1(A)
       mask = A .< .5
       A[mask] .= 0
end
function f2(A)
    A[A .< .5] .= 0.
end
function f3(A)
    @inbounds for i in eachindex(A)
        if A[i] < .5
            A[i] = 0.
        end
    end
end