2.3 常用数据结构

2.3 常用数据结构

选容器就是选性能特征：数组是 Julia 的一等公民、连续内存、可广播；元组编译期定形零开销；字典与集合是哈希表，查询快但无序。本节把四类容器的创建、访问、变更一次练完。

数组：从创建到视图

zeros(3)                    # [0.0, 0.0, 0.0]
zeros(Int8, 2, 2)           # 指定类型与维度
ones(2, 3)
rand(4)                     # 均匀随机
randn(3, 3)                 # 标准正态矩阵
collect(1:5)                # 范围转数组
[1 2; 3 4]                  # 字面量矩阵
reshape(1:6, 2, 3)          # 重排形状，不复制
​

高维索引、切片、拼接：

M = [1 2 3; 4 5 6]
M[2, 3]              # 6
M[end, :]            # 最后一行
M[1:2, 1:2]          # 左上角块（复制）
@view M[1:2, 1:2]    # 视图（不复制，大数组上省内存）
vcat([1,2], [3,4])   # 纵向拼接
hcat([1 2], [3 4])   # 横向拼接
​

💡 关键直觉：科学计算里 90% 的性能问题出在"该用视图时用了切片"。切片每次都拷贝；循环里反复 M[:, j] 等于反复分配内存。加 @view 一个宏就能救回来。

元组：零成本的固定组合

t = (1, "a", 3.14)       # 位置访问
t[1]                     # 1，注意元组也从 1 开始
nt = (name="Julia", year=2012)
nt.name                  # 具名元组，字段访问
function minmax(v)
    (minimum(v), maximum(v))   # 返回多个值其实就是返回元组
end
lo, hi = minmax([3,1,4,1,5])
​

元组不可变、长度和类型编译期已知，函数传参、返回多值都靠它，没有运行时开销。

字典与集合：哈希双雄

d = Dict("a" => 1, "b" => 2)
d["c"] = 3                  # 新增
d["a"]                       # 读取，键不存在会抛 KeyError
get(d, "z", 0)               # 带默认值的读取
delete!(d, "b")
for (k, v) in d
    println("$k -> $v")
end

s = Set([1, 2, 2, 3])        # {1,2,3}
push!(s, 4)
in(3, s)                     # true，O(1)
union(s, Set([4, 5]))        # 并
intersect(s, Set([2, 4]))    # 交
setdiff(s, Set([1]))         # 差
​

⚠️ 常见坑：需要计数统计时，别用 Dict{String,Int} 手动维护，标准库的 StatsBase.countmap 或 count 函数一行搞定且更快。

四类容器多维对比矩阵

当栈和队列用：数组的两端操作

Julia 没有独立的栈和队列类型，数组加几个函数就够。栈操作用 push! 与 pop!（都在尾部，O(1) 均摊）；队列用 push! 进、popfirst! 出（注意 popfirst! 是 O(n)，小规模无所谓，大规模要换思路）：

stack = Int[]                 # 空的整数数组
push!(stack, 1); push!(stack, 2)
pop!(stack)                   # 2，后进先出

queue = String[]
push!(queue, "a"); push!(queue, "b")
popfirst!(queue)              # "a"，先进先出
​

函数名带感叹号是 Julia 的约定：修改参数的函数以 ! 结尾，看到感叹号就要想到"我的数据会被改"。这个约定贯穿整个生态，读别人代码时能少一半疑惑。

一个易踩的坑：数组别名

a = [1, 2, 3]
b = a              # 没有复制，b 和 a 指向同一块内存
push!(b, 4)
a                  # [1, 2, 3, 4]——a 也"被"改了

c = copy(a)        # 真复制
d = deepcopy([1, [2, 3]])   # 嵌套结构要 deepcopy 才彻底
​

赋值传递的是引用，这和 Python 一致，但 MATLAB 用户几乎必踩——MATLAB 的数组赋值是值语义。函数间传大数组时这个语义反而是优点（零拷贝），只要警惕"函数内部修改了入参"的副作用即可。

容器操作的性能直觉

一个真实教训：判断"某个 ID 在不在一万个元素的列表里"写成了对数组的 in，外面还套了循环，整体退化成千万次比较；把列表先转成 Set，同样的代码立刻快了三个数量级。选容器的本质就是选这张表。

案例：词频统计的三种写法与取舍

拿一个真实任务把容器选型落地：统计一段文本的词频。背景是这活儿看似简单，容器选错则代码又慢又绕。第一种写法用数组与 filter 逐词查表，O(n²)，词表一大就卡死。第二种用字典按惯例手写：

text = "to be or not to be"
counts = Dict{String,Int}()
for w in split(text)
    counts[w] = get(counts, w, 0) + 1   # 不存在则从 0 起计
end
counts   # Dict("to"=>2, "be"=>2, "or"=>1, "not"=>1)
​

操作要点在 get 带默认值那一行，它把"键不存在"的分支压成了一次调用，避免了 try/catch 或 haskey 预检查的啰嗦。第三种是结果排序展示：

sorted = sort(collect(counts); by = p -> -p[2])
# 2 元素数组：["to"=>2, "be"=>2, ...]，按频次降序
for (w, c) in sorted[1:min(3, end)]
    println(rpad(w, 8), c)
end
​

解读与变式：collect 把字典变成「键值对数组」才能排序，因为字典本身无序；若数据来自十万个文档，改用 StatsBase.countmap 一步到位。这个案例里数组、字典、元组各就其位——统计靠字典、排序靠数组、遍历产出元组，正对应开篇那句"选容器就是选性能特征"。

本节要点回顾

• 数组创建记住 zeros / ones / rand / randn / reshape 五件套；
• 切片复制、视图不复制，循环内优先 @view；
• 元组用于多返回值与编译期常量组合，零开销；
• 字典用 get 带默认值，避开 KeyError；
• 集合做去重与成员判断，O(1) 且语义清晰。