使用广播 Julia 将向量的向量转换为矩阵

Question

我是一个朱莉娅新手，有一个婴儿作业要编写一个将向量的向量转换为矩阵的函数。通过迭代元素，这很容易做到。

然而，我读到广播往往效率更高。但我不确定如何在这里执行此操作，因为 .= 操作无法工作，因为它会将向量读取为 1 by n 数组，从而尝试在两个不同长度的数组上进行广播。

有办法播吗？

我的代码如下

function vecvec_to_matrix(vecvec)
    dim1 = length(vecvec)
    dim2 = length(vecvec[1])
    my_array = zeros(Int64, dim1, dim2)
    for i in 1:dim1
        for j in 1:dim2
            my_array[i,j] = vecvec[i][j]
        end
    end
    return my_array
end

Answer 1

如果您的向量很短且大小固定（例如，3 维的点列表），那么您应该强烈考虑使用StaticArrays 包，然后调用reinterpret. 演示：

\n

julia> using StaticArrays\n\njulia> A = rand(3, 8)\n3\xc3\x978 Array{Float64,2}:\n 0.153872  0.361708  0.39703   0.405625  0.0881371  0.390133  0.185328  0.585539\n 0.467841  0.846298  0.884588  0.798848  0.14218    0.156283  0.232487  0.22629\n 0.390566  0.897737  0.569882  0.491681  0.499163   0.377012  0.140902  0.513979\n\njulia> reinterpret(SVector{3,Float64}, A)\n1\xc3\x978 reinterpret(SArray{Tuple{3},Float64,1,3}, ::Array{Float64,2}):\n [0.153872, 0.467841, 0.390566]  [0.361708, 0.846298, 0.897737]  [0.39703, 0.884588, 0.569882]  \xe2\x80\xa6  [0.390133, 0.156283, 0.377012]  [0.185328, 0.232487, 0.140902]  [0.585539, 0.22629, 0.513979]\n\njulia> B = vec(copy(ans))\n8-element Array{SArray{Tuple{3},Float64,1,3},1}:\n [0.1538721224514592, 0.467840786943454, 0.39056612358281706]\n [0.3617079493961777, 0.8462982350893753, 0.8977366743282564]\n [0.3970299970547111, 0.884587972864584, 0.5698823030478959]\n [0.40562472747685074, 0.7988484677138279, 0.49168126614394647]\n [0.08813706434793178, 0.14218012559727544, 0.499163319341982]\n [0.3901332827772166, 0.15628284837250006, 0.3770117394226711]\n [0.18532803309577517, 0.23248748941275688, 0.14090166962667428]\n [0.5855387782654986, 0.22628968661452897, 0.5139790762185006]\n\njulia> reshape(reinterpret(Float64, B), (3, 8))\n3\xc3\x978 reshape(reinterpret(Float64, ::Array{SArray{Tuple{3},Float64,1,3},1}), 3, 8) with eltype Float64:\n 0.153872  0.361708  0.39703   0.405625  0.0881371  0.390133  0.185328  0.585539\n 0.467841  0.846298  0.884588  0.798848  0.14218    0.156283  0.232487  0.22629\n 0.390566  0.897737  0.569882  0.491681  0.499163   0.377012  0.140902  0.513979\n

\n