(Julia) 快速对数组进行逐列求和

【问题标题】：(Julia) Quickly make a column-wise sum over an array(Julia) 快速对数组进行逐列求和
【发布时间】：2019-11-03 01:44:42
【问题描述】：

我有一个 MxN 浮点数组 A，我想做以下操作：对于 A 的每一列，计算小于某个阈值（例如 0.5）的元素的数量。

Julia 执行此操作的最快方法是用零初始化结果向量，然后逐列遍历数组 A 并在需要时递增结果向量。例如，使用 for 循环执行此操作很容易

function count(A)
    (cols, rows) = size(A)
    result = fill(0, cols)
    for j in 1:rows
        for i in 1:cols
            result[i] += A[i,j] <= 0.5
        end
    end
end

这会按照它在内存中的布局顺序遍历 A，并且它不会分配不需要的额外空间。但是，我不确定如何使用例如广播运营商来完成此操作。

sum(A .<= 0.5, dims=1)

但这分配新内存只是为了执行操作，并且比计数函数慢大约 2-3 倍（我对高达 8000x8000 的数组进行了测试）。只用几行代码就可以达到count-function的性能（如第二种方法）？

【问题讨论】：

标签： arrays optimization multidimensional-array julia

【解决方案1】：

我写你的条件的一种自然方式是：

count.(<=(0.5), eachcol(A))

或

vec(sum(<=(0.5), A, dims=1))

（后者比前者慢一点，但执行的分配要少得多，所以性能平衡可能取决于矩阵的维度）

一般来说，两者都应该相当快且易于阅读。

附带说明 - 您的代码按行而不是按列执行计数。这是纠正它以在列中执行计数的方法：

function count2(A)
    (rows, cols) = size(A)
    result = fill(0, cols)
    for i in 1:cols
        for j in 1:rows
            result[i] += A[j,i] <= 0.5
        end
    end
    result
end

最后请注意，sum(A .<= 0.5, dims=1) 执行的操作略有不同，因为它返回的是 Matrix 而不是 Vector。

【讨论】：