将julia中的位数组{2}转换为数组{Bool，1}_Julia

将julia中的位数组{2}转换为数组{Bool，1}

julia

将julia中的位数组{2}转换为数组{Bool，1},julia,Julia,因此，正如标题所解释的：有没有办法将位数组{2}类型数组转换为数组{Bool，1}:类型数组 PD：问题的核心是，我试图用位数组{2}对数组{float64,2}求值，我不断得到以下错误：错误：边界错误：尝试访问索引[Base.Slice（Base.OneTo（20））、Base.LogicalIndex（Bool[0；0；…；0；0]）、Base.Slice（Base.OneTo（1））]处的20×1数组{Float64,2} 提前谢谢 @石匠编辑：因此，我一直在尝试分离数组{Floa

因此，正如标题所解释的：有没有办法将

位数组{2}

类型数组转换为

数组{Bool，1}:

类型数组

PD：问题的核心是，我试图用

位数组{2}

对

数组{float64,2}

求值，我不断得到以下错误：

错误：边界错误：尝试访问索引[Base.Slice（Base.OneTo（20））、Base.LogicalIndex（Bool[0；0；…；0；0]）、Base.Slice（Base.OneTo（1））]处的20×1数组{Float64,2}

提前谢谢

@石匠编辑：

因此，我一直在尝试分离

数组{Float64,2}

中存在的异常值。我在网上找到了这个，并对它们进行了编辑，以允许

Array{float64,2}

数组作为输入

function idealf(x::Array{Float64,2})
    y       = sort(x,dims=1);
    n       = length(x);
    j       = floor(Int64, n/4+5/12) # 25%ile is in [y[j], y[j+1]]
    k       = n-j+1        # 75%ile is in [y[k],y[k-1]]
    g       = n/4+5/12 - j   # weighting for the two data surrounding quartiles.
    (1-g).*y[j]+g.*y[j+1], (1-g).*y[k]+g.*y[k-1]
end

function outbox(x::Array{Float64,2}; mbox::Bool=false, gval::Real=NaN, method::Bool=true)
    n = length(x);
    lower_quartile, upper_quartile = idealf(x)
    IQR = upper_quartile-lower_quartile
    cl = cu = 0.0
    if mbox
        if isnan(gval)
            gval=(17.63*n-23.64)/(7.74*n-3.71)
        end
        cl = median(x) - gval*IQR
        cu = median(x) + gval*IQR
    elseif !mbox
        if isnan(gval)
            gval=1.5
        end
        cl = lower_quartile - gval*IQR
        cu = upper_quartile + gval*IQR
    end
    flag = (x.<cl) .| (x.>cu)
    flag=collect(flag) # tunring my BitArray{2} to a Array{float64,2}
    vec = collect(1:n);
    outid  = vec[flag,:] # TROUBLE HERE
    keepid = vec[.!flag] # TROUBLE HERE
    outval = x[flag]
 
    nout = length(outid)
    if method && !mbox
        METHOD = "Outlier detection method using \nthe ideal-fourths based boxplot rule\n"
    elseif method && mbox
        METHOD = "Outlier detection method using \nthe ideal-fourths based boxplot rule\n(using the modification suggested by Carling (2000))\n"
    else
        METHOD = nothing
    end
    return outid, keepid, outval, nout;
end

a=rand(20,1)*10; a[10]=1000.0;a[2]=2000.0;
outbox(a)

要回答您的问题，您可以使用

collect

将

BitArray

转换为

Array

，并使用

vec

将矩阵转换为向量：

julia> BA = BitArray(rand(Bool, 3, 3))
3×3 BitArray{2}:
 0  1  0
 1  0  1
 1  0  0

julia> collect(BA)
3×3 Array{Bool,2}:
 0  1  0
 1  0  1
 1  0  0

julia> (vec ∘ collect)(BA)
9-element Array{Bool,1}:
 0
 1
 1
 1
 0
 0
 0
 1
 0

但是看看你的“PD”，我怀疑这并不能解决你的根本问题，但你没有提供足够的信息让我来帮助你

编辑以响应OP的编辑：

问题是，您试图用大小为

（20，1）

的

位矩阵对向量
进行逻辑索引。与Matlab不同，Julia不会自动将单列矩阵视为向量。这有很好的理由，但我知道这可能是令人惊讶的
您应该使用dropdims（flag，dims=2）
将flag
转换为对逻辑索引有效的位向量，而不是对位矩阵使用collect

这是您的原始代码，但带有建议的修复程序：
#+BEGIN_SRC julia
function idealf(x::Array{Float64,2})
    y       = sort(x,dims=1);
    n       = length(x);
    j       = floor(Int64, n/4+5/12) # 25%ile is in [y[j], y[j+1]]
    k       = n-j+1        # 75%ile is in [y[k],y[k-1]]
    g       = n/4+5/12 - j   # weighting for the two data surrounding quartiles.
    (1-g).*y[j]+g.*y[j+1], (1-g).*y[k]+g.*y[k-1]
end

function outbox(x::Array{Float64,2}; mbox::Bool=false, gval::Real=NaN, method::Bool=true)
    n = length(x);
    lower_quartile, upper_quartile = idealf(x)
    IQR = upper_quartile-lower_quartile
    cl = cu = 0.0
    if mbox
        if isnan(gval)
            gval=(17.63*n-23.64)/(7.74*n-3.71)
        end
        cl = median(x) - gval*IQR
        cu = median(x) + gval*IQR
    elseif !mbox
        if isnan(gval)
            gval=1.5
        end
        cl = lower_quartile - gval*IQR
        cu = upper_quartile + gval*IQR
    end
    flag = dropdims((x.<cl) .| (x.>cu), dims=2) 
    vec = collect(1:n)
    
    outid  = vec[flag]
    keepid = vec[.!flag]
    outval = x[flag]
 
    nout = length(outid)
    if method && !mbox
        METHOD = "Outlier detection method using \nthe ideal-fourths based boxplot rule\n"
    elseif method && mbox
        METHOD = "Outlier detection method using \nthe ideal-fourths based boxplot rule\n(using the modification suggested by Carling (2000))\n"
    else
        METHOD = nothing
    end
    return outid, keepid, outval, nout;
end

a=rand(20,1)*10; a[10]=1000.0;a[2]=2000.0;
outbox(a)
#+END_SRC

#+RESULTS:
: ([2, 10], [1, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20], [2000.0, 1000.0], 2)

#+开始
函数idealf（x:：数组{Float64,2}）
y=排序（x，dims=1）；
n=长度（x）；
j=楼层（Int64，n/4+5/12）#25%的ile位于[y[j]，y[j+1]]
k=n-j+1#75%的ile在[y[k]，y[k-1]]
g=n/4+5/12——四分位数周围两个数据的加权。
（1-g）。*y[j]+g.*y[j+1]，（1-g）。*y[k]+g.*y[k-1]
结束
函数发件箱（x:：数组{Float64,2}；mbox:：Bool=false，gval:：Real=NaN，method:：Bool=true）
n=长度（x）；
下四分位数，上四分位数=idealf（x）
IQR=上四分位数-下四分位数
cl=cu=0.0
如果mbox
如果是isnan（gval）
gval=（17.63*n-23.64）/（7.74*n-3.71）
结束
cl=中值（x）-gval*IQR
cu=中值（x）+gval*IQR
埃尔塞夫！mbox
如果是isnan（gval）
gval=1.5
结束
cl=下四分位-gval*IQR
cu=上四分位数+gval*IQR
结束
标志=落差dims（（x.cu），dims=2）
vec=收集（1:n）
outid=vec[标志]
keepid=vec[.！flag]
outval=x[标志]
nout=长度（outid）
如果方法&！mbox
METHOD=“使用基于理想四分之一的箱线图规则的异常值检测方法\n”
elseif方法和mbox
METHOD=“使用基于理想四分之一的箱线图规则的异常值检测方法\n（使用Carling（2000）建议的修改）\n”
其他的
方法=无
结束
返回outid、keepid、outval、nout；
结束
a=兰特（20,1）*10；a[10]=1000.0；a[2]=2000.0；
发件箱（a）
#+结束(SRC)
#+结果:
: ([2, 10], [1, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20], [2000.0, 1000.0], 2)
，谢谢你的回答。请注意，我已经编辑了这篇文章，以提供更多关于我的问题的信息！美好的正是我需要的。太多了！请尝试编辑此文件，以生成一个最小的工作示例，而不是转储整个生产代码。这样，这些问题及其答案也可以对其他人有用@PrzemyslawSzufel好的，所以我编辑了代码块，这样它就可以粘贴到终端（包括运行它的玩具数据）中，并且它会重现错误。不需要任何包（只需在终端中打开Julia并粘贴此包）。希望这足够了！谢谢
#+BEGIN_SRC julia
function idealf(x::Array{Float64,2})
    y       = sort(x,dims=1);
    n       = length(x);
    j       = floor(Int64, n/4+5/12) # 25%ile is in [y[j], y[j+1]]
    k       = n-j+1        # 75%ile is in [y[k],y[k-1]]
    g       = n/4+5/12 - j   # weighting for the two data surrounding quartiles.
    (1-g).*y[j]+g.*y[j+1], (1-g).*y[k]+g.*y[k-1]
end

function outbox(x::Array{Float64,2}; mbox::Bool=false, gval::Real=NaN, method::Bool=true)
    n = length(x);
    lower_quartile, upper_quartile = idealf(x)
    IQR = upper_quartile-lower_quartile
    cl = cu = 0.0
    if mbox
        if isnan(gval)
            gval=(17.63*n-23.64)/(7.74*n-3.71)
        end
        cl = median(x) - gval*IQR
        cu = median(x) + gval*IQR
    elseif !mbox
        if isnan(gval)
            gval=1.5
        end
        cl = lower_quartile - gval*IQR
        cu = upper_quartile + gval*IQR
    end
    flag = dropdims((x.<cl) .| (x.>cu), dims=2) 
    vec = collect(1:n)
    
    outid  = vec[flag]
    keepid = vec[.!flag]
    outval = x[flag]
 
    nout = length(outid)
    if method && !mbox
        METHOD = "Outlier detection method using \nthe ideal-fourths based boxplot rule\n"
    elseif method && mbox
        METHOD = "Outlier detection method using \nthe ideal-fourths based boxplot rule\n(using the modification suggested by Carling (2000))\n"
    else
        METHOD = nothing
    end
    return outid, keepid, outval, nout;
end

a=rand(20,1)*10; a[10]=1000.0;a[2]=2000.0;
outbox(a)
#+END_SRC

#+RESULTS:
: ([2, 10], [1, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20], [2000.0, 1000.0], 2)