Julia 中的快速 apply_along_axis 等效项答案

【问题标题】：fast apply_along_axis equivalent in JuliaJulia 中的快速 apply_along_axis 等效项
【发布时间】：2016-02-17 22:23:32
【问题描述】：

在 Julia 中是否有等效于 numpy 的 apply_along_axis()（或 R 的 apply()）？我有一个 3D 数组，我想对每对维度 1 和 2 的坐标应用一个自定义函数。结果应该是一个 2D 数组。

显然，我可以执行两个嵌套的 for 循环，遍历第一维和第二维，然后重新整形，但我担心性能。

这个示例产生了我想要的输出（我知道这对sum() 来说有点毫无意义。这里只是一个假人：

test = reshape(collect(1:250), 5, 10, 5)

a=[]

for(i in 1:5)
    for(j in 1:10)
        push!(a,sum(test[i,j,:]))
    end
end

println(reshape(a, 5,10))

对更快的版本有什么建议吗？

干杯

【问题讨论】：

标签： julia

【解决方案1】：

Julia 有 mapslices 函数，它应该完全符合您的要求。但请记住，Julia 与您可能知道的其他语言不同：库函数不一定比您自己的代码快，因为它们的通用性可能比您实际需要的更高，并且在 Julia 中循环很快。所以很有可能只写出循环会更快。

也就是说，有几个提示：

阅读手册的performance tips 部分。从中您将学会将所有内容放在一个函数中，并且不使用像 a = [] 这样的无类型数组。
slice 或 sub 函数可以避免复制数据。

【讨论】：

谢谢，这正是我想要的。我也意识到循环要快得多:(“性能提示”很好。谢谢！

【解决方案2】：

怎么样

f = sum  # your function here
Int[f(test[i, j, :]) for i in 1:5, j in 1:10]

最后一行是二维数组推导式。前面的Int是为了保证元素的类型；如果理解在函数内部，则这不是必需的。

请注意，您应该（几乎）永远不要使用无类型 (Any) 数组，例如您的 a = []，因为这会很慢。你可以写 a = Int[] 来创建一个空的 Ints 数组。

编辑：请注意，在 Julia 中，循环很快。在 Python 和 R 中创建类似函数的需求来自于这些语言中循环的固有缓慢性。在 Julia 中，只写出循环更为常见。

【讨论】：