高效实现Matlab'；s"；查找“；Julia函数

我试图在Julia中实现Matlab的Find函数。在Matlab中，代码是

find(A==0)

其中A是一个非常非常大的n×m矩阵，在这里，我通过一系列大约500个步骤来迭代和更新上面的内容。在Julia中，我通过

[findall(x->x==0, D_tot)[j][2] for j in 1:count(x->x==0,D_tot)]

这似乎工作得很好，只是随着迭代的进行，它变得非常缓慢。例如，对于第一步，@time产生

0.000432 seconds (33 allocations: 3.141 KiB)

步骤25：

0.546958 seconds (40.37 k allocations: 389.997 MiB, 7.40% gc time)

步骤65：

1.765892 seconds (86.73 k allocations: 1.516 GiB, 9.63% gc time)

---

在每一步中，A都保持相同的大小，但变得更复杂，朱莉娅似乎很难找到零。有没有比我上面所做的更好的方法来实现Matlab的“Find”函数？

浏览Matlab文档，我知道您想要找到它

“包含数组X中每个非零元素的线性索引的向量”

非零表示Matlab表达式中的真值

A==0

在这种情况下，这可以通过以下方式实现：

findall(==(0),vec(D_tot))

还有一个小基准：

D_tot=rand(0:100,1000,1000)
using BenchmarkTools

运行：

julia> @btime findall(==(0), vec($D_tot));
  615.100 μs (17 allocations: 256.80 KiB)

julia> @btime findall(iszero, vec($D_tot));
  665.799 μs (17 allocations: 256.80 KiB)

---

通过查看Matlab文档，我了解到您想要查找

“包含数组X中每个非零元素的线性索引的向量”

非零表示Matlab表达式中的真值

A==0

在这种情况下，这可以通过以下方式实现：

findall(==(0),vec(D_tot))

还有一个小基准：

D_tot=rand(0:100,1000,1000)
using BenchmarkTools

运行：

julia> @btime findall(==(0), vec($D_tot));
  615.100 μs (17 allocations: 256.80 KiB)

julia> @btime findall(iszero, vec($D_tot));
  665.799 μs (17 allocations: 256.80 KiB)

---

只需编写

findall（iszero，A）

。为什么要执行所有其他步骤？只需编写

findall（iszero，A）

。你为什么要做这些其他的步骤？时间安排很奇怪。

为零是怎么回事？你试过几次了吗？是的，试过几次了，确实很奇怪。我运行了
@code\u native
，汇编代码之间有微小的差异（即使汇编指令的数量相差3条），所以这似乎不是随机的。这种时间安排非常奇怪。
为零是怎么回事？你试过几次了吗？是的，试过几次了，确实很奇怪。我运行了
@code\u native
，汇编代码中有微小的差异（即使汇编指令的数量相差3条），因此这似乎不是随机的。