Julia 将布尔的矩阵写成0,1矩阵

例如，我有一个由

Bool

值组成的矩阵

x = bitrand(2,3)

如果我尝试将其保存到文件：

writedlm("mat.txt", x)

我得到的矩阵是

true

和

false

。我想得到一个

0

和

1

的矩阵（其中0代表false，1代表true）。有没有一种简单的方法可以做到这一点，也许是通过

writedlm

中的一些选项，而不是我自己一行一行地写文件

writedlm("mat.txt", map(Int8,x))

获取

x

的每个元素，并使用

Int8

函数/构造函数将其转换为整数

---

您也可以使用其他整数类型，但是

Int8

比例如

Int64

更节省内存

另一个稍微快一点的选项是将数组作为

array{UInt8，ndims（x）}（x）

动态复制到

UInt8

，而不是应用

map

：

>>> x = bitrand(100,100)
>>> a = map(UInt8, x)
>>> b = Array{UInt8, ndims(x)}(x)
>>> all(a .== b)
true

我快速运行了一些测试，矩阵越大，速度就越快（至少在我的电脑中是这样）

产出：

10 x 10
  0.000002 seconds (2 allocations: 208 bytes)
  0.000006 seconds (2 allocations: 208 bytes)
100 x 100
  0.000053 seconds (2 allocations: 9.891 KB)
  0.000018 seconds (2 allocations: 9.891 KB)
1000 x 1000
  0.001945 seconds (5 allocations: 976.703 KB)
  0.001490 seconds (5 allocations: 976.703 KB)
10000 x 10000
  0.224491 seconds (5 allocations: 95.368 MB)
  0.117774 seconds (5 allocations: 95.368 MB)

---

试试

1*x

，它得到的是数字版本（也许不是超级内存/时间效率，但对于非“大数据”的东西来说已经足够好了）

0x1*x

将获得更大的内存压缩（但可能更慢）。

您也可以使用

Int8

实现同样的效果，但内存效率更高。使用800x800矩阵进行了尝试，

Int64

使用了4.8MB，而

Int8

仅使用了0.6MB。这需要将转换矩阵的完整副本加载到内存中。我在一个循环中执行这个

writedlm

，所以我认为对性能的影响太大了。是否有

map

的延迟版本？我在谷歌上搜索，但找不到。有和。如果这些不适合您，您不妨编写您的IO（输入/输出）可能会比映射慢得多。您可以使用Julia中的内置探查器来测试这一点。尝试

1*x

，它会得到数字版本（可能不是超级内存/时间效率，但对于非“大数据”内容来说已经足够好了）

0x1*x

将获得更大的内存压缩（但可能更慢）。@DanGetz您应该将此作为答案发布。这是最简单的解决方案。我通常理解“cast”一词的意思是Julia中所谓的重新解释，即以不同的方式查看内存中的相同位。然而，你又在这里创建了一个新的矩阵。@DavidP.Sanders我同意cast不应该创建副本，也许这不是最好的词（改写为副本）<如果

x

是一个

数组{Bool}

，则code>reinterpret（UInt8，x）是最好的解决方案，但是，

bitrand

返回一个

BitArray

，而

reinterpret

不支持该方法。

10 x 10
  0.000002 seconds (2 allocations: 208 bytes)
  0.000006 seconds (2 allocations: 208 bytes)
100 x 100
  0.000053 seconds (2 allocations: 9.891 KB)
  0.000018 seconds (2 allocations: 9.891 KB)
1000 x 1000
  0.001945 seconds (5 allocations: 976.703 KB)
  0.001490 seconds (5 allocations: 976.703 KB)
10000 x 10000
  0.224491 seconds (5 allocations: 95.368 MB)
  0.117774 seconds (5 allocations: 95.368 MB)