在julia中删除单态维数

只是玩玩Julia（1.0），我需要在Python/numpy/matlab中大量使用的一件事是

squere

函数来删除单例维度

我发现在朱莉娅身上做到这一点的一种方法是：

a = rand(3, 3, 1);
a = dropdims(a, dims = tuple(findall(size(a) .== 1)...))

---

第二行看起来有点笨重，不容易立即阅读和解析（这也可能是我从其他语言带来的偏见）。然而，我想知道这是否是Julia中实现这一点的标准方法？

你可以去掉元组，改用逗号

，

：

dropdims(a, dims = (findall(size(a) .== 1)...,))

---

这个问题的实际答案令我惊讶。你所问的可以改为：

为什么

dropdims（a）

不删除所有单例维度

我将引用Tim Holy的话：

不可能让压缩（A）返回编译器需要的类型 可以推断---输入矩阵的大小是一个运行时变量，所以 编译器无法知道输出有多少个维度 我会的。所以它不可能给你想要的类型稳定性

撇开类型稳定性不谈，您所写的还有其他一些令人惊讶的含义。例如，请注意：

julia> f(a) = dropdims(a, dims = tuple(findall(size(a) .== 1)...))
f (generic function with 1 method)

julia> f(rand(1,1,1))
0-dimensional Array{Float64,0}:
0.9939103383167442

总之，在

Base

Julia中包含这样的方法会鼓励用户使用它，从而导致潜在的类型不稳定的代码，在某些情况下，这些代码不会很快（核心开发人员正极力避免这一点）。在像Python这样的语言中，严格的类型稳定性是不强制的，因此您会发现这样的函数

当然，没有什么可以阻止您定义自己的方法。我不认为你会找到一个更简单的写作方法。例如，未实施的

Base

命题是方法：

function squeeze(A::AbstractArray)
    singleton_dims = tuple((d for d in 1:ndims(A) if size(A, d) == 1)...)
    return squeeze(A, singleton_dims)
end

---

请注意使用它的潜在影响。

我对科林的启示有点惊讶；当然，依赖于“重塑”的东西是类型稳定的吗？（另外，作为奖励，还可以返回视图而不是副本）

否？

让我简单地补充一点，“不受控制的”

dropdims

（删除任何单个维度）是常见的错误源。例如，假设您有一个循环，该循环要求从某个外部源获取一个数据数组

a

，然后在该循环上运行

R=sum（a，dims=2）

，然后去掉所有单例维度。但是，假设10000次中有一次，您的外部源返回

A

，其中

size（A，1）

恰好为1:boom，突然您下降的维度超过了您的预期，并且可能存在严重误解数据的风险

---

如果您手动指定这些维度（例如，

dropdims（R，dims=2）

），那么您就不会受到类似的错误的影响。

我想不出比您所做的更简单的事情了。我想这里有一个参数，调用

dropdims（a）

应该使用您上面定义的方法，即自动删除所有单例维度。编辑：事实证明，它已经被广泛讨论，请参阅，并感谢这项了不起的研究。我想，由于运行时对大小的依赖，没有办法以有效的方式实现这一点？@Luca是的，这正是问题所在。请注意，在许多用例中，类型稳定性性能的影响很小，可以使用屏障功能等技术来缓解，因此不要完全放弃这样做。你只需要意识到其中的含义。（我相信你现在可以明白为什么他们选择不把它包含在

库中了）

）是的，绝对是。我可以理解为什么它不是标准库的一部分，并且很高兴看到这些决策中的讨论@ColinTBowers你的意思是在最后一个片段中说

返回dropdims（A，singleton_dims）

？@tasospapstyllanou不，我实际上是直接从我在回答中链接的PR复制了这个片段。PR是从2017年年中开始的，当时是

挤压

而不是

下降

。我想我本可以把它改成dropdims，但我真正想证明的是，提交的PR与OP提出的方法没有明显不同。我还懒洋洋地复制/粘贴：-）嗯，好的。所以，由于重塑返回一个视图，它基本上可以将其转换为任何推断的数据类型，并且没有惩罚？恐怕我对朱莉娅来说太陌生了，无法对此作出评论或判断。我希望有更多经验的人能加入进来。不，这不是可以推断的，因为数组的大小不是由类型系统编码的；考虑<代码>类型（挤压（RAND（3,5））< /代码> VS代码>类型（挤压（RAND（1,5））< /代码> VS代码>类型（挤压（RAND（1,1））< /代码>。这是不可推断的

keepdims

部分，而不是

重塑

。感谢@tholy的澄清。从效率的角度来看，这真的那么重要吗？在我看来，这样一个挤压函数将是一个简单的包装器，在引擎盖下调用优化方法。由于没有进一步的说明，我看不出编译版本会提供更多的说明。我错过了这里的大局吗？@Luca这不是因为它是惯用的，而是因为它们代表了不同的事物

Tuple

是类型及其相应的构造函数，它需要一个iterable参数进行初始化

tuple

是一个独立的函数，它接受一系列参数并构造一个对应的元组，可能是通过在引擎盖下适当地调用

tuple

。这曾经是一种常见的模式（例如，Julia 0.3将

int64

作为函数转换为

int64

，但现在已经不支持直接使用构造函数），但现在已经不多了。事情一直在变化，所以，谁知道呢。@tasospapstyllanou，这取决于：如果你把结果数组传递给一个函数

f

，你可能会没事的---朱莉娅将不得不做一次“动态分派”，以

julia> function squeeze( A :: AbstractArray )
         keepdims = Tuple(i for i in size(A) if i != 1);
         return reshape( A, keepdims );
       end;

julia> a = randn(2,1,3,1,4,1,5,1,6,1,7);

julia> size( squeeze(a) )
(2, 3, 4, 5, 6, 7)