Question

在Julia,findall(f,v)功能使我得以在适用于该元素的病媒中收集内容。例如,findall(iseven,[1,2,3]) 回归代码<>>>> > 。现在,在基础(或简单实施)中,我实际上获得了不同的病媒,而不是仅仅得到真实情况? 我指的是<代码>partition(iseven, [1,2,3]) Back code>( (2),[1,3])。

我可以进行冷静的执行,但我looking想的是某种效率,最好是基地的现有功能。

Answer 1

一种办法是:

separate(p, x) = ( t = findall(p, x); 
  (@view(x[t]), @view(x[setdiff(eachindex(x), t)])) )

和<代码> 您可以:

julia> x = [1,2,3,5,6];

julia> separate(iseven, x)
([2, 6], [1, 3, 5])

julia> E, O = collect.(separate(iseven, x))
([2, 6], [1, 3, 5])

julia> E
2-element Vector{Int64}:
 2
 6

如果没有<条码>, 功能回报观点,如果复制原病媒的成本很高,就会很好。

Answer 2

如果你想很快的话,将尝试以下<代码>groupby(fn,x)的功能。该功能分配了与<代码>x类似的病媒,并向该病媒传达了看法。该表仅对原始病媒进行过一次跟踪,在第一类中插入了<条码>x的内容,其中<条码>fn给出了<条码>真实性<>>和第二组的其他内容。

function groupby(fn, x)
    g = similar(x)
    i, j = 0, -1
    for e in x
        if fn(e)
            g[i+=1] = e
        else
            g[end-(j+=1)] = e
        end
    end
    @views g[1:i], reverse(g[i+1:end])
end

x = [1, 2, 3, 5, 6];

groupby(iseven, x)
([2, 6], [1, 3, 5])

比较:

x = rand(1:1000, 1000)
@btime separate(iseven, $x) # 42.100 μs (20 allocations: 34.66 KiB)
@btime groupby(iseven, $x)  #  1.380 μs (2 allocations: 12.12 KiB)

Answer 3

如果速度确实至关重要,那么变数将可减少时间和记忆资源。例如:

function separate!(p::F, x) where {F <: Function}
    b, e, L = firstindex(x), lastindex(x), length(x)
    L == 1 && (return p(x[b]) ? (x, eltype(x)[]) : (eltype(x)[], x))
    L == 0 && return (eltype(x)[], eltype(x)[])
    while b < e
        p(x[b]) && (b += 1; continue)
        p(x[e]) || (e -= 1; continue)
        x[b], x[e] = x[e], x[b]
    end
    @view(x[begin:b-1]), @view(x[b:end])
end

比其他版本快2倍。为了保护原病媒,可使用<代码>eparate!(p, 拷贝(x)。不同答案的基准是:

x = rand(1:1000, 1000);

@btime separate(iseven, $x); # One-liner
#  14.447 μs (20 allocations: 34.98 KiB)

@btime groupby(iseven, $x); # AboAmmar s
#  1.277 μs (2 allocations: 11.81 KiB)

@btime separate!(iseven, y) setup=(y = copy(x));
# 479.990 ns (1 allocation: 96 bytes)

友情链接