将数组作为列附加到预先初始化的矩阵中

Question

我希望使用索引来填充预先初始化的矩阵，其中包含用于循环输出的数组的结果：

  A = Float64.(reshape(1.0:81.0,9,9))
  # initialize output
  B = zeros(Int64, 2, 9)
  j = 1
  for j in 1:size(A,2) # loop cols
    out = [sum(A[:,j]),j]
    out = reshape(out,2,1) # make column to append
    # append out to the B
    global B = hcat(B,out) # this grows...
  end

我初始化了B = zeros(Int64, 2, 9)

与sum操作的预期输出相同。

在我的真实世界中-我正在迭代j，列，以及，我的行-输出是一个数组.与其使用hcat()将数组附加到输出中，我还能用索引来完成吗？

在上面的代码中，它使用hcat()，然后将其附加到现有的B中，这样它就会增长。此后，我尝试了使用行2和cols 0来初始化，因此hcat()构建来纠正输出dim：

B = zeros(Int64, 2, 0)

我怀疑hcat()是否具有内存效率(例如，使用全局索引的借口)--如果我不能用索引进行索引，我可以在i，j处为另一个内循环填充它。但也许有人可以将数组作为列附加到现有的预初始化输出中？

Answer 1

建议是预先分配B，然后再填充它。我将代码包装在一个函数中，因为它简化了基准测试：

function f2()
    A = reshape(1:81,9,9)
    B = zeros(Int64, 2, 9 + size(A,2))
    for j in 1:size(A,2) # loop cols
        B[:, j + 9] .= (sum(view(A, :, j)), j)
    end
    B
end

你的旧代码是：

function f1()
    A = Float64.(reshape(1.0:81.0,9,9))
    B = zeros(Int64, 2, 9)
    j = 1
    for j in 1:size(A,2) # loop cols
        out = [sum(A[:,j]),j]
        out = reshape(out,2,1) # make column to append
        # append out to the B
        B = hcat(B,out)
    end
    B
end

下面是一个比较：

julia> @btime f1()
  8.567 μs (83 allocations: 7.72 KiB)
2×18 Array{Float64,2}:
 0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  45.0  126.0  207.0  288.0  369.0  450.0  531.0  612.0  693.0
 0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0   1.0    2.0    3.0    4.0    5.0    6.0    7.0    8.0    9.0

julia> @btime f2()
  73.662 ns (1 allocation: 368 bytes)
2×18 Array{Int64,2}:
 0  0  0  0  0  0  0  0  0  45  126  207  288  369  450  531  612  693
 0  0  0  0  0  0  0  0  0   1    2    3    4    5    6    7    8    9

你可以看到，这两者之间的差别是非常显著的。

对原始代码的一些更小的注释：

• 不需要在Float64.上调用reshape(1.0:81.0,9,9)，对象已经保存了具有Float64值的元素。
• 在您的代码中，有一个不一致之处，最初是B持有Int64，A持有Float64 --我已经使其保持一致(我选择了Int64，但同样好，您可以使用Float64)。
• sum(A[:,j])不必要地分配了一个新对象；使用view更快
• 在将向量作为向量处理为柱状对象之前，不必在reshape(out,2,1)上调用out。