Julia: Array的确很强大

    用Julia也有一段时间，从来没有认真地学习一下Array矩阵操作，这个和MATLAB中不太一样，MATLAB本身就是以矩阵为中心，而JULIA还有Dict等非常丰富的collection.

    以下可以体会一下，Julia功能的强大，也可以看到，Julia从Matlab那里学了很多，很多功能很相似，而Julia的官方也承认了这点，当然也有一些不同。

一、功能可以容下所有各种类型 
julia> data =Array(Any,2,5)  # 类似于matlab: double(2,5)
2x5 Array{Any,2}:
 #undef  #undef  #undef  #undef  #undef
 #undef  #undef  #undef  #undef  #undef
julia> data =Array(Any,2)
2-element Array{Any,1}:
 #undef
 #undef
julia> data =Array(Any,2,3,4) #多元组
2x3x4 Array{Any,3}:
[:, :, 1] =
 #undef  #undef  #undef
 #undef  #undef  #undef
[:, :, 2] =
 #undef  #undef  #undef
 #undef  #undef  #undef
[:, :, 3] =
 #undef  #undef  #undef
 #undef  #undef  #undef
[:, :, 4] =
 #undef  #undef  #undef
 #undef  #undef  #undef

# 其它类型或形式的Array

julia> Array(Int64,2,5) 

2x5 Array{Int64,2}:
 0  0  0  0  0
 0  0  0  0  0
julia> Array(Float64,2,5)  # 等同于Matlab double(2,5)
2x5 Array{Float64,2}:
 0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0
julia> ones(2,5)       # 等同于MATLAB ones(2,5)

2x5 Array{Float64,2}:
 1.0  1.0  1.0  1.0  1.0
 1.0  1.0  1.0  1.0  1.0
julia> zeros(2,5)    # 和MATLAB没有区别
2x5 Array{Float64,2}:
 0.0  0.0  0.0  0.0  0.0
 0.0  0.0  0.0  0.0  0.0

    当然，Array{}里面装Array,Dict,或自己定义的Type等,那完全是没有问题的。所以，这个功能比MATLAB强大。这个带来的好处，不言自明，比如，读csv文件时，不象MATLAB要分二张表来装内容!，Array可以象数据库的表一样，展示给你，这种友好性是MATLAB无法比较的。当然，Matlab也有dataset(),但效率太低，数据量一大，运行起来就会吃力。

#赋值：其实和MATLAB很相似

julia> data =Array(Any,2,3) # Array赋值举例
2x3 Array{Any,2}:
 #undef  #undef  #undef

 #undef  #undef  #undef

julia> data[1,:]=["a" "b" "c"]

1x3 Array{ASCIIString,2}:
 "a"  "b"  "c"
julia> data[2,:]=[1 2 "d"]  # Array的强大在于可以不限内容，有点象Matlab的cell，
1x3 Array{Any,2}:
 1  2  "d"
julia> data
2x3 Array{Any,2}:
  "a"   "b"  "c"
 1     2     "d"

# 和MATLAB很不一样的地方

julia> dat =Float64[2,2]  # 和MATLAB的double(2,2)完全不一样！
2-element Array{Float64,1}:
 2.0
 2.0

julia> dat =Array(Float64,2,2)  # 这才是和和MATLAB的double(2,2)等效的！
2x2 Array{Float64,2}:
 0.0  0.0
 0.0  0.0

# 来看看hcat,vcat:和MATLAB超级象
julia>

julia> @time csv =readcsv("E:\\IFData\\IFCSV\\IF01.csv");
elapsed time: 10.954116426 seconds (823614756 bytes allocated, 1.92% gc time)
julia> (row,col)=size(csv)
(307458,9)
julia> typeof(csv)
Array{Any,2}
julia> colData=csv[:,2];
julia> @time newcsv =hcat(csv,colData,colData,colData)
elapsed time: 0.177521262 seconds (32235888 bytes allocated)
307458x12 Array{Any,2}:
 "Code"            "DateTime"  … "DateTime"        "DateTime" .....
 "SFIF0001"  734244.0             734244.0          734244.0
 "SFIF0001"  734244.0             734244.0          734244.0
 "SFIF0001"  734244.0             734244.0          734244.0
 "SFIF0001"  734244.0             734244.0          734244.0

 "SFIF0001"  734244.0        .... 734244.0          734244.0 .....

.......

仅管hcat效率不错，但和MATLAB类似，vcat效率也比较低。建议慎用。