Julia 为什么矩阵上的'sum'返回矩阵而不是向量？

如果我这样做

返回类型是一个单行矩阵，而

sum（mat，2）

给出了一个单列矩阵。这让我感到惊讶，因为单例维度通常在0.5中下降，所以我希望这两个操作的返回类型都是向量。为什么这里不删除单例维度

我可能认为这是为了保持方向（例如，

sum（mat，1）

是一个行向量），但在0.6上的行为是相同的，它有明确的一维行向量，因此这似乎不是一个解释

---

谢谢

是的，像

sum

这样的缩减保留了数组的维数。这是有意的，因为它允许跨原始阵列广播结果。例如，这意味着您可以使用

/

规范化数组的列：

mat = rand(8,8)
sum(mat, 1)

虽然二维情况可能可以由

RowVector

s处理，但这种方法不能推广到更高的维度

---

也就是说，在其他情况下，删除维度可能会导致错误。这是一个很好的例子。

很好，谢谢！我确实想过广播，但并不是说它不能推广到更高的维度。我明白了，所以，谢谢！这是因为我在矩阵的行和列和上定义函数，将输入参数定义为

Vector

s似乎很自然，但这意味着我必须调用，例如

myfunc（vec（sum（mat，1）））

，这看起来很笨拙。但是允许参数是矩阵似乎会引起问题。不过，我想我可以通过分派来解决这个问题。通常没有必要如此严格地限制参数类型。除了

Vector

，您几乎可以肯定地使用

AbstractVector

——这将包括视图和重新造型的向量以及许多其他自定义向量类型。在所有维度上，甚至在

Any

上，比这更宽的范围是很常见的。当然，传递一些无意义的东西可能会比你希望的晚一点出错，但它可以让别人传递一些东西给你，而且它仍然会嘎嘎作响。谢谢，是的，我同意这一点，通常不需要在函数参数中限制类型（以及重要的内部类型），我喜欢这个原则！此外，我也使用了AbstractVector（很抱歉不清楚）。但是，在这种情况下，行矩阵和列矩阵的行为与向量不同（例如，当传递给函数时，如

size

），因此如果忽略维度，是否不会导致意外错误？最后，我做了一些事情，包括

f（x:：AbstractMatrix）=f（vec（x））；f（x:：AbstractVector）.

julia> A = rand(1:100, 4, 3)
4×3 Array{Int64,2}:
 94  50  32
 46  15  78
 34  29  41
 79  22  58

julia> A ./ sum(A, 1)
4×3 Array{Float64,2}:
 0.371542  0.431034  0.15311
 0.181818  0.12931   0.373206
 0.134387  0.25      0.196172
 0.312253  0.189655  0.277512