Arrays 使用函数返回的2元素数组{Float64,1}高效构造数组

我有一个函数，它返回一个二维数组：

2-element Array{Float64,1}:
 0.809919
 2.00754

现在我想高效地对其进行采样，并将所有结果存储在一个包含2行和n列的数组中。问题是我得到了一个向量的向量。我怎样才能把它展平或建造它

玩具示例如下所示：

julia> [rand(2) for i=1:3]
3-element Array{Array{Float64,1},1}:
 [0.906644, 0.614673]
 [0.426492, 0.67645]
 [0.473704, 0.726284]

julia> [rand(2)' for i=1:3]
3-element Array{RowVector{Float64,Array{Float64,1}},1}:
 [0.403384 0.431918]
 [0.410625 0.546614]
 [0.224933 0.118778]

我希望得到如下形式的结果：

julia> [rand(2) rand(2) rand(2)]
2×3 Array{Float64,2}:
 0.360833  0.205969  0.209643
 0.507417  0.317295  0.588516

实际上，我的梦想是：

julia> [rand(2) rand(2) rand(2)]'
3×2 Array{Float64,2}:
 0.0320955  0.821869
 0.358808   0.26685
 0.230355   0.31273

有什么想法吗？我知道我可以通过for循环来构建它，但我一直在寻找一种更有效的方法

---

谢谢

沿着这些路线的东西

using BenchmarkTools

function createSample!(vec::AbstractVector)
  vec .= randn(length(vec))
  return vec
end

function createSamples!(A::Matrix)
  for row in indices(A, 1)
    createSample!(view(A, row, :))
  end
  return A
end

A = zeros(10, 2)

@benchmark createSamples!(A)

也许会有帮助。我笔记本电脑上的计时功能提供：

Main> @benchmark createSamples!(A)
BenchmarkTools.Trial:
  memory estimate:  1.41 KiB
  allocs estimate:  20
  --------------
  minimum time:     539.104 ns (0.00% GC)
  median time:      581.194 ns (0.00% GC)
  mean time:        694.601 ns (13.34% GC)
  maximum time:     10.324 μs (90.10% GC)
  --------------
  samples:          10000
  evals/sample:     193

---

类似这样的东西

using BenchmarkTools

function createSample!(vec::AbstractVector)
  vec .= randn(length(vec))
  return vec
end

function createSamples!(A::Matrix)
  for row in indices(A, 1)
    createSample!(view(A, row, :))
  end
  return A
end

A = zeros(10, 2)

@benchmark createSamples!(A)

也许会有帮助。我笔记本电脑上的计时功能提供：

Main> @benchmark createSamples!(A)
BenchmarkTools.Trial:
  memory estimate:  1.41 KiB
  allocs estimate:  20
  --------------
  minimum time:     539.104 ns (0.00% GC)
  median time:      581.194 ns (0.00% GC)
  mean time:        694.601 ns (13.34% GC)
  maximum time:     10.324 μs (90.10% GC)
  --------------
  samples:          10000
  evals/sample:     193

具有一个

矢量数组
类型，它以您想要的方式进行调度：

julia> using RecursiveArrayTools

julia> A = [rand(2) for i=1:3]
3-element Array{Array{Float64,1},1}:
 [0.957228, 0.104218]
 [0.293985, 0.83882]
 [0.788157, 0.454772]

julia> VectorOfArray(A)'
3×2 Array{Float64,2}:
 0.957228  0.104218
 0.293985  0.83882
 0.788157  0.454772

至于时间安排：

julia> @benchmark VectorOfArray(A)'
BenchmarkTools.Trial:
  memory estimate:  144 bytes
  allocs estimate:  2
  --------------
  minimum time:     100.658 ns (0.00% GC)
  median time:      111.740 ns (0.00% GC)
  mean time:        127.159 ns (3.29% GC)
  maximum time:     1.360 μs (82.71% GC)
  --------------
  samples:          10000
  evals/sample:     951

VectorOfArray
本身几乎没有开销，
“
使用笛卡尔索引来加快速度
 有一个
矢量数组
类型，它以您想要的方式进行调度：

julia> using RecursiveArrayTools

julia> A = [rand(2) for i=1:3]
3-element Array{Array{Float64,1},1}:
 [0.957228, 0.104218]
 [0.293985, 0.83882]
 [0.788157, 0.454772]

julia> VectorOfArray(A)'
3×2 Array{Float64,2}:
 0.957228  0.104218
 0.293985  0.83882
 0.788157  0.454772

至于时间安排：

julia> @benchmark VectorOfArray(A)'
BenchmarkTools.Trial:
  memory estimate:  144 bytes
  allocs estimate:  2
  --------------
  minimum time:     100.658 ns (0.00% GC)
  median time:      111.740 ns (0.00% GC)
  mean time:        127.159 ns (3.29% GC)
  maximum time:     1.360 μs (82.71% GC)
  --------------
  samples:          10000
  evals/sample:     951

VectorOfArray
本身几乎没有开销，
“
使用笛卡尔索引来加快速度
 太棒了！谢谢你的提示。很棒的包裹！谢谢你的提示。