Arrays python等价列表的Julia方法

我刚开始和茱莉亚修修补补，我真的开始喜欢它了。然而，我遇到了一个路障。例如，在Python中（虽然不是非常高效或pythonic），我会创建一个空列表并附加一个已知大小和类型的列表，然后转换为NumPy数组：

Python代码片段

a=[]
对于
a、 附加（[1,2,3,4.]））
b=numpy.数组（a）

我想在茱莉亚身上做些类似的事情，但我似乎想不出来。这就是我到目前为止所做的：

朱莉娅片段 结果是一个大小为（n，）的n元素

数组{Array{Float64，n}，1}

，但我希望它是一个nx4

数组{Float64,2}

---

有什么建议或更好的方法吗？

这是你想要的吗

julia> a = Array{Float64}[]
0-element Array{Array{Float64,N},1}

julia> for i=1:3
           push!(a,[1.,2.,3.,4.])
       end

julia> a
3-element Array{Array{Float64,N},1}:
 [1.0,2.0,3.0,4.0]
 [1.0,2.0,3.0,4.0]
 [1.0,2.0,3.0,4.0]

julia> b = hcat(a...)'
3x4 Array{Float64,2}:
 1.0  2.0  3.0  4.0
 1.0  2.0  3.0  4.0
 1.0  2.0  3.0  4.0

它似乎与python输出相匹配：

In [9]: a = []

In [10]: for i in range(3):
    a.append([1, 2, 3, 4])
   ....:

In [11]: b = numpy.array(a); b
Out[11]:
array([[1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4]])

---

我应该补充一点，这可能不是您真正想要做的，因为如果

a

有很多元素，那么

hcat（a…）

可能会很昂贵。是否有理由从一开始就不使用二维阵列？也许更多的问题上下文（即您实际试图编写的代码）会有所帮助。

您的代码的直译将是

# Building up as rows
a = [1. 2. 3. 4.]
for i in 1:3
    a = vcat(a, [1. 2. 3. 4.])
end

# Building up as columns
b = [1.,2.,3.,4.]
for i in 1:3
    b = hcat(b, [1.,2.,3.,4.])
end

但这不是朱莉娅的自然模式，你会这样做

A = zeros(4,4)
for i in 1:4, j in 1:4
    A[i,j] = j
end

甚至

A = Float64[j for i in 1:4, j in 1:4]

---

基本上一次分配所有内存。

如果事先不知道循环迭代的次数，或者假设正在合并的底层数组是一维的，则其他答案不起作用。Julia似乎缺少一个内置函数“获取这个N-D数组列表并返回一个新的（N+1）-D数组”

Julia需要不同的连接解决方案，具体取决于基础数据的维度。因此，例如，如果

a

的底层元素是向量，则可以使用

hcat（a）

或

cat（a，dims=2）

。但是，如果

a

是一个二维数组，则必须使用

cat（a，dims=3）

等。cat的

dims

参数不是可选的，并且没有默认值来指示“最后一个维度”

下面是一个助手函数，它模拟了此用例的

np.array

功能。（我称它为

collapse

而不是

array

，因为它的行为方式与

np.array

不同。）

人们会把它当作

a = []
for ...
    ... compute new_a...
    push!(a,new_a)
end
a = collapse(a)

---

可能重复感谢您的输入，使用hcat/vcat就可以做到这一点。一次性分配所有内存的问题是，我不知道第一维度的长度是多少；它将根据特定条件生长。这也有效！主要的焦点是试图在第一维度构建一个长度未知的数组；假设事先不知道这一点。数组的第一个维度将根据条件语句增长。对于被追加的单个数组是ND（而不是1D），而我们不知道N的情况，有没有办法做到这一点？问题是Julia似乎缺少一个通用的“将列表列表转换为ND数组”函数。因此，例如，如果阵列是二维的，我们需要在最后使用

cat（a，dims=3）

，如果阵列是三维的，我们需要使用

cat（a，dims=4）

。如果您只是尝试使用

hcat（a）

它总是会将结构向下折叠为2D，忽略

cat

的

dims

参数是一个错误。我能看到的唯一解决方案是使用

a=cat（a..，dims=length（size（a[1]））+1）

，不太好。

function collapse(x)
    return cat(x...,dims=length(size(x[1]))+1)
end

a = []
for ...
    ... compute new_a...
    push!(a,new_a)
end
a = collapse(a)