在Julia数组理解中杀死For循环

时间:2017-05-21 14:14:34

标签: arrays julia list-comprehension break

我在Julia中有以下代码行:

X=[(i,i^2) for i in 1:100 if i^2%5==0]

基本上,如果(i,i^2)i=1 to 100的剩余部分为零,它会从i^2返回元组5的列表。我想要做的是,在数组理解中,如果i^2变得大于1000,则跳出for循环。但是,如果我实施

X=[(i,i^2) for i in 1:100 if i^2%5==0 else break end]

我收到错误:syntax: expected "]"

有没有办法轻松打破数组中的for循环?我试过在网上看,但没有出现。

3 个答案:

答案 0 :(得分:6)

这是一个“假的”for-loop,所以你不能break它。看看下面的降低代码:

julia> foo() = [(i,i^2) for i in 1:100 if i^2%5==0]
foo (generic function with 1 method)

julia> @code_lowered foo()
LambdaInfo template for foo() at REPL[0]:1
:(begin 
        nothing
        #1 = $(Expr(:new, :(Main.##1#3)))
        SSAValue(0) = #1
        #2 = $(Expr(:new, :(Main.##2#4)))
        SSAValue(1) = #2
        SSAValue(2) = (Main.colon)(1,100)
        SSAValue(3) = (Base.Filter)(SSAValue(1),SSAValue(2))
        SSAValue(4) = (Base.Generator)(SSAValue(0),SSAValue(3))
        return (Base.collect)(SSAValue(4))
    end)

输出显示array comprehension是通过Base.Generator实现的,它将迭代器作为输入。它目前仅支持[if cond(x)::Bool]“后卫”,因此无法在此处使用break

对于您的具体情况,解决方法是使用isqrt

julia> X=[(i,i^2) for i in 1:isqrt(1000) if i^2%5==0]
6-element Array{Tuple{Int64,Int64},1}:
 (5,25)  
 (10,100)
 (15,225)
 (20,400)
 (25,625)
 (30,900)

答案 1 :(得分:5)

我不这么认为。你总是可以

tmp(i) = (j = i^2; j > 1000 ? false : j%5==0)
X=[(i,i^2) for i in 1:100 if tmp(i)]

答案 2 :(得分:4)

使用for循环在Julia中被认为是惯用的,在这种情况下可能更具可读性。此外,它可能会更快。

具体做法是:

julia> using BenchmarkTools

julia> tmp(i) = (j = i^2; j > 1000 ? false : j%5==0)
julia> X1 = [(i,i^2) for i in 1:100 if tmp(i)];

julia> @btime [(i,i^2) for i in 1:100 if tmp(i)];
  471.883 ns (7 allocations: 528 bytes)

julia> X2 = [(i,i^2) for i in 1:isqrt(1000) if i^2%5==0];

julia> @btime [(i,i^2) for i in 1:isqrt(1000) if i^2%5==0];
  281.435 ns (7 allocations: 528 bytes)

julia> function goodsquares()
           res = Vector{Tuple{Int,Int}}()
           for i=1:100
               if i^2%5==0 && i^2<=1000
                   push!(res,(i,i^2))
               elseif i^2>1000
                   break
               end
           end
           return res
       end
julia> X3 = goodsquares();

julia> @btime goodsquares();
  129.123 ns (3 allocations: 304 bytes)

因此,另外2倍的改进是无可忽视的,而长函数为照明评论提供了充足的空间。