在大型多维数组中访问（并且可能替换）条目的最有效方法是什么？我在循环中使用这样的东西：
tup = (16,45,6,40,3)
A[tup...] = 100
但我想知道是否有更有效的方法。特别是，有没有办法可以避免使用...？
【问题讨论】：
ii=sub2ind(size(A),tup...)，然后使用A[ii]
A[tup...]进行完全相同的计算
喷溅并不总是会受到惩罚，但确定喷溅的效率并不总是显而易见（或容易）。您的简单示例实际上与编写 A[16,45,6,40,3] = 100 一样有效。对比一下就知道了
function f(A)
tup = (16,45,6,40,3)
A[tup...] = 100
A
end
function g(A)
A[16,45,6,40,3] = 100
A
end
julia> code_llvm(f, Tuple{Array{Int, 5}})
# Lots of output (bounds checks).
julia> code_llvm(g, Tuple{Array{Int, 5}})
# Identical to above
如果有喷溅处罚，您会以分配的形式看到它。您可以使用@allocated 宏或简单地检查code_llvm 以获取对@jl_pgcstack 的引用来对此进行测试——这就是垃圾收集器，只要有分配就需要它。请注意，在一个更复杂的函数中很可能还有其他事情也会导致分配，因此它的存在并不一定意味着存在喷溅的悲观情绪。但是，如果这是在一个热循环中，您希望最小化所有分配，所以这是一个很好的目标……即使您的问题不是由于飞溅造成的。您还应该使用@code_warntype，因为类型不佳的代码肯定会影响 splats 和许多其他操作。如果您的元组类型不正确，会发生以下情况：
function h(A)
tup = ntuple(x->x+1, 5) # type inference doesn't know the type or size of this tuple
A[tup...] = 100
A
end
julia> code_warntype(h, Tuple{Array{Int,5}})
# Lots of red flags
因此，优化此 splat 将高度依赖于您如何构建或获取 tup。
【讨论】：
@inbounds 避免这些问题。对于特殊的数组类型（如 SubArrays），避免线性索引会明显更快。
SubArrays，只需访问完整Array 的特定元素。我记得在某处读到 splatting 效率不高（也许对于 Julia 的早期版本）。加上@code_warntype 不适用于 splat。
CartesianIndex(tup) 中，但我认为没有开销的情况将与喷出元组没有开销的情况重叠。
要遍历多维数组，推荐使用for index in eachindex(A)；参见例如
https://groups.google.com/forum/#!msg/julia-users/CF_Iphgt2Wo/V-b31-6oxSkJ
如果A 是标准数组，那么这对应于仅使用单个整数进行索引，这是访问数组的最快方式（您的原始问题）：
A = rand(3, 3)
for i in eachindex(A)
println(i)
end
但是，如果 A 是一个更复杂的对象，例如一个子数组，然后eachindex(A) 会给你一个不同的、高效的访问对象：
julia> for i in eachindex(slice(A, 1:3, 2:3))
println(i)
end
给予
CartesianIndex{2}((1,1))
CartesianIndex{2}((2,1))
等等
【讨论】：
eachindex 将为A 中的每个职位提供一个迭代器。我想我只需要一种从元组转换为索引的方法。
k = 0; for i in eachindex(A); k += 1; blah blah，现在你有一个线性索引和一个笛卡尔索引。
索引多维数组的最快方法是对其进行线性索引。
Base.Base.linearindexing 是来自Base 模块的相关函数，用于查找最有效地访问数组元素的方式 .
julia> a=rand(1:10...);
julia> Base.Base.linearindexing(a)
Base.LinearFast()
可以使用ii=sub2ind(size(A),tup...) 语法将索引元组转换为一个线性索引或for i in eachindex(A) 来遍历它。
【讨论】：