为什么矩阵上的“和”返回矩阵，而不是向量？答案

【问题标题】：why does `sum` on a Matrix return Matrix, not Vector?为什么矩阵上的“和”返回矩阵，而不是向量？
【发布时间】：2017-02-21 03:59:22
【问题描述】：

如果我这样做

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

返回类型是单行矩阵，而sum(mat, 2) 给出单列矩阵。这让我感到惊讶，因为单例维度通常会下降到 0.5，所以我希望这两个操作的返回类型都是 Vector。为什么这里没有丢弃单例维度？

我可能认为这是为了保持方向（例如，sum(mat, 1) 是行向量），但在 0.6 上的行为是相同的，它具有明确的一维 RowVectors，所以这似乎不是解释。

谢谢！

【问题讨论】：

标签： julia

【解决方案1】：

是的，像sum 这样的缩减保留了数组的维数。这是有意的，因为它可以将结果广播回原始数组。这意味着，例如，您可以使用 ./ 规范化数组的列：

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

虽然RowVectors 可能能够处理二维情况，但这种方法并不能推广到更高的维度。

也就是说，在其他情况下会删除尺寸be similarly useful。这是open design question on the issue tracker。

【讨论】：

很好，谢谢！我确实考虑过广播，但并不是说它不会推广到更高的维度。看到问题了，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Vectors 似乎很自然，但这意味着我必须调用，例如myfunc(vec(sum(mat,1)))，看起来很笨拙。但是让参数成为矩阵似乎可能会导致问题。不过，我想我可以通过调度来解决这个问题。
通常不需要如此严格地限制参数类型。除了Vector，您几乎可以肯定使用AbstractVector — 这将包括视图和重新调整的向量以及许多其他自定义向量类型。在所有维度甚至可能到Any。当然，传递一些无意义的东西可能会比你喜欢的晚一点，但它可以让别人传递给你looks like a duck 的东西，它仍然会嘎嘎作响。
谢谢，是的，我同意通常不需要限制函数参数中的类型（以及重要的内部类型），我喜欢这个原则！另外，我确实使用了 AbstractVector （抱歉不清楚）。但是，在这种情况下，行矩阵和列矩阵与向量具有不同的行为（例如，当传递给诸如size 之类的函数时），所以如果我忽略维数，它可能不会导致意外错误吗？最后我做了一些事情f(x::AbstractMatrix) = f(vec(x)); f(x::AbstractVector)...