Julia中nx1数组与n元素数组的区别

在Julia中，如果我定义一个包含1列和n行的数组，它似乎实例化了一个“n元素数组”，我不明白这与nx1数组有什么不同：

julia> a = [1 2 3]
1x3 Array{Int64,2}:
 1  2  3

julia> b = [1;2;3]
3-element Array{Int64,1}:
 1
 2
 3

julia> transpose(transpose(b))
3x1 Array{Int64,2}:
 1
 2
 3

令人困惑的是，如果我对一个n元素数组进行两次转置，返回的结果就是一个nx1数组：

julia> a = [1 2 3]
1x3 Array{Int64,2}:
 1  2  3

julia> b = [1;2;3]
3-element Array{Int64,1}:
 1
 2
 3

julia> transpose(transpose(b))
3x1 Array{Int64,2}:
 1
 2
 3

这会导致一些（对我而言）意外的行为，如：

julia> size(b) == size(transpose(transpose(b)))
false

我的问题是:

nx1数组和n元素数组之间有什么区别

如何创建

nx1

数组而不执行我给出的双转置示例

快速回答：

n

x1或1x

n

数组是二维矩阵（恰好只有一行或一列），而n元素数组是一维列向量

我认为创建

n

x1数组文本的最简单方法是对行向量进行转置：

[1 2 3]'

。另一方面，您可以使用将任何n维数组展平为一维向量

---

不过，思考一下为什么这一点很重要，会更有启发性。Julia的类型系统完全基于类型，而不是值。数组的维度包含在其类型信息中，但行数和列数不包含在内。因此，nx1矩阵和n元素向量之间的区别在于它们有不同的类型……而类型推理引擎无法看到矩阵只有一列

为了从Julia获得最佳性能，您（尤其是核心语言和库设计人员）希望编写类型稳定的函数。也就是说，函数应该能够纯粹根据参数的类型推断它们将返回什么类型。这允许编译器在函数中跟踪您的变量，而不会丢失对类型的跟踪…这反过来又允许编译器为特定类型生成高度优化的代码

现在，再想想转置。如果您想要一个类型稳定的转置函数，它必须至少返回一个二维数组。如果其中一个维度为1，并且仍然保持良好的性能，它就不能做一些棘手的事情

尽管如此，在邮件列表和GitHub问题上，仍然有大量关于向量转置的讨论。这里是一个开始的好地方：。或对相关问题进行更深入的讨论：。两者最终都被取代并合并为一个新的体系

---

Julia 0.6的更新：Julia现在非常重视向量转置！向量转置现在返回一个特殊的

RowVector

类型，该类型的行为类似于一行矩阵，但还需要知道只有一行。它也是对原始向量的惰性“视图”。对于问题中的示例，这意味着不仅

size（b）==size（transpose（transpose（b））

为真，而且

b'==b

在Julia 0.6中，指定改变维度的重塑操作也更容易一些。对于上面的问题2（创建

nx1

数组），一个很好的答案是

重塑（[1,2,3]，：，1）

。计算

：

指定的维度以匹配源数组的长度