Julia 如何初始化具有正确维数的矩阵矩阵？

我想创建一个

nxm

维矩阵，该矩阵是

kxk

维矩阵（包含零）

---

我怎么能在朱莉娅身上做到这一点

n-d理解可能是最简单的：

[zeros(k,k) for i=1:n, j=1:m]

更新：此处您需要小心：可能您希望用不同的零矩阵填充数组：其他建议的解决方案（

fill

或

repmat

）将实际为您提供一个数组，其中所有条目都是相同的零矩阵，例如：

julia> k = 2; n = 3; m = 4; A = fill(zeros(k, k), n, m)
3×4 Array{Array{Float64,2},2}:
 [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]
 [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]
 [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]  [0.0 0.0; 0.0 0.0]

julia> A[1,1][1,1] = 1; A
3×4 Array{Array{Float64,2},2}:
 [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]
 [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]
 [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]  [1.0 0.0; 0.0 0.0]

---

我也用类似的东西

填充（零（k，k），n，m）

另一个答案，补充上面已经很漂亮的答案

repmat([zeros(k,k)], n,m)

（或者它在语法上更灵活的表亲

repeat（[zero（k，k）]，outer=（n，m））

）

编辑：这似乎是迄今为止最快的方法
我将把基准放在下面：

---

基准： （从最快到最慢）

---

您想要的输出没有出现。出于好奇，我做了一些基准测试（见下文）。相比之下，朱莉娅的列表理解有点慢/我想知道为什么速度会慢得多。我不知道为什么列表理解会比其他方法慢得多（Good work@tasospapstyllanou！）。这取决于你计时的方式：试着把它放在一个函数中：

foo（k，m，n）=[zero（k，k）for I=1:n，j=1:m]

谢谢你的更新。我不得不说，虽然它的文档中有一个关于

fill

的明确警告，但我会将其归类为

repmat

的一个bug，因为单个评估不太可能是用户想要的；（除非明确规定，否则至少不能）。这类函数似乎是为了方便人们从matlab迁移而包含的，而没有过多地考虑它可能如何在julia中出现。谢谢你的接球；我将删除我的答案并提交一份错误报告。

repmat

的另一个优点是它会立即被octave/matlab用户识别和喜爱：pi怀疑你在全球范围内做了基准测试，我机器上的基准测试显示

fill

是最快的，

repmat

和

comprehension

完全相同（大约比

fill

慢6倍）。是的，没错！知道这件事很有趣；全局作用域和局部作用域是如何影响这种情况的？这里有一些参考资料：&。这可能没有达到您的预期：尝试设置

A[1,1][1,1]=1

，然后查看

A

（同样，它只适用于0.5或更高版本）。这并没有达到您预期的效果：尝试

A[1,1][1,1]=1

，然后查看

A

，啊，好的捕获。我没有意识到它会通过

m

指针将

n

粘贴到矩阵中的同一个矩阵。

k = 2; n = 3; m = 4

julia> @time for i in 1:10e4; A = repmat([zeros(k,k)], n,m); end
  0.601392 seconds (2.80 M allocations: 112.915 MB, 1.49% gc time)

julia> @time for i in 1:10e4; A = fill(zeros(k,k), n,m); end
  1.053698 seconds (200.00 k allocations: 27.466 MB, 0.13% gc time)

julia> @time for i in 1:10e4; A = repeat([zeros(k,k)], outer=(n,m)); end
  1.217569 seconds (6.10 M allocations: 222.778 MB, 1.97% gc time)

julia> @time for i in 1:10e4; A = [zeros(k,k) for i=1:n, j=1:m]; end
  8.217551 seconds (2.83 M allocations: 214.951 MB, 0.19% gc time)