我有一个大型二进制文件，其中交错的 Int16 值表示每个样本的实部和虚部。设 S_i 表示样本编号 i，则数据排列如下
[Re(S_1)，Im(S_1)，Re(S_2)，Im(S_2)，...]
我的想法是定义一个自定义的 ComplexInt16 类型并对其进行操作。我编写了以下代码：
struct ComplexInt16
re::Int16
im::Int16
end
filehandle = open("y_baseband.dat")
dh = mmap(filehandle, Vector{ComplexInt16})
上面的代码按预期运行，但我无法使用为复数定义的函数（例如real(dh[1])返回错误。）有没有办法让我的ComplexInt16类型与 Julia 中现有的复杂函数一起工作？
我不完全理解Julia 中的quote ... end和:( ... )表达式之间有什么区别。
看起来唯一的区别好像是前者（quote）引入了额外的注释行。
以下是一些例子
julia> :(2+2)
:(2 + 2)
julia> e1=:(2+2)
:(2 + 2)
julia> e1
:(2 + 2)
julia> eval(e1)
4
julia> quote
2+2
end
quote
#= REPL[2]:2 =#
2 + 2
end
julia> e2=quote
2+2
end
quote
#= REPL[5]:2 =#
2 + 2
end
julia> e2
quote
#= REPL[5]:2 =#
2 + 2
end
julia> eval(e2)
4
我找到了这本维基百科，但它只说
引用表达式的每一行都添加了有用的行号
（指与……quote相比:）。
关键字表达式的文档页面也没有说太多。
与其他引用方式 :( ... ) 不同，此形式将 QuoteNode 元素引入表达式树，直接操作树时必须考虑到这一点。
这意味着什么？
Julia 中是否有任何函数可以实现这一点？
f(x, n) = vcat(repeat(x, div(n, length(x))), x[1:rem(n, length(x))])
f([1,3,2], 10)
10-element Vector{Int64}:
1
3
2
1
3
2
1
3
2
1
我想知道是否存在一个已知的函数可以做同样的事情。
a >= b && c <= b vs !( a < b || c > b)
julia 中哪个性能更高？
我正在尝试移动 Makie 图中的一些数据（我使用的是网格散射，但有一个更简单的示例）。
如果
fig = Figure()
Axis(fig[1,1],
xticks = 0:10:60,
xtickformat = x -> string.(x .+70),
yticks = 0:10:60,
ytickformat = x -> string.(x .+70),
limits = (0,60,0,60)
)
fig
我得到每个标签末尾带有“.0”的格式，但不想要它们。
从文档看来，它通过命令运行来自动添加“.0”。
我正在尝试对 Julia 中的矩阵执行高斯消除，然后以分数形式而不是小数形式提取解决方案。例如，我想要 3/4 而不是 0.75 作为解决方案。
我当前用于减少矩阵行并将解决方案表示为小数的代码如下：
using RowEchelon
A = [1 2 3;
4 5 6;
7 8 10]
A_reduced rref(A)
print(A_reduced)
有没有办法修改此代码以获得分数而不是浮点解？
我正在尝试构建并求解一个如下所示的矩阵系统：
\begin{equation}
\begin{bmatrix}
B & D & 0 & \cdots & & 0 \\
A & B & D & \ddots & & \vdots \\
0 & A & B & D & \ddots & \\
\vdots & \ddots & & \ddots & \\
\vdots & \cdots & \cdots & A & B & D \\
0 & \cdots & \cdots & 0 & A & B
\end{bmatrix}
\
\begin{bmatrix}
\Delta c
\end{bmatrix}
\
=
\
\begin{bmatrix}
G
\end{bmatrix}
\end{equation}
该系统来自用于求解方程组 (PDE) 的一维有限体积方法。
大矩阵 ( BBM) 由数组构造而成A, B, D。以下代码可以正常运行，但我有兴趣使该代码的计算效率更高。
我很好奇堆栈溢出社区是否有任何建议。特别是有没有一种方法可以消除for函数内的循环？
using BlockBandedMatrices
function calculate_BBM(; A, B, D)
# initialize the Block Banded Matrix (BBM)
int_array = map(Int, N*ones(NJ));
BBM = BlockBandedMatrix(Zeros{Float64}(N*NJ, N*NJ), int_array, int_array, (1,1))
# Precompute indices to avoid calculating them in each iteration
ind_begin = [(1 + N * (j - 1)) for j in 1:NJ]
ind_end = [N * j for j in 1:NJ]
for j in 2:NJ - 1
# Use precomputed indices
ib = ind_begin[j]
ie = ind_end[j]
BBM[ib:ie, (ib - N):(ie - N)] .= A[:, :, j - 1]
BBM[ib:ie, ib:ie] .= B[:, :, j]
BBM[ib:ie, (ib + N):(ie + N)] .= D[:, :, j]
end
j = 1
ib = ind_begin[j]
ie = ind_end[j]
BBM[ib:ie, ib:ie] .= B[:, :, j]
BBM[ib:ie, (ib + N):(ie + N)] .= D[:, :, j]
j = NJ
ib = ind_begin[j]
ie = ind_end[j]
BBM[ib:ie, (ib - N):(ie - N)] .= A[:, :, j - 1]
BBM[ib:ie, ib:ie] .= B[:, :, j]
return BBM
end
N = 3
NJ = 102
A = randn(N, N, NJ-1)
B = randn(N, N, NJ)
D = randn(N, N, NJ-1)
# A = -ones(N, N, NJ-1)
# B = ones(N, N, NJ) * 2
# D = ones(N, N, NJ-1)
BBM = calculate_BBM(A=A, B=B, D=D);
在 Python 中，可以使用以下命令设置标志的选择argparse：
parser.add_argument('-q',
dest='quality_scale',
type=str,
choices=["sanger", "illumina"],
help='Base quality scale',
required=True)
有没有办法在 Julia 中使用 来做到这一点ArgParse？我检查了这里的文档（常规设置），但我找不到任何东西。
我正在努力用字符串中的双精度数替换数字。我怎样才能做到这一点？
这些都不适合我（我使用的是 Julia v1.8）：
replace("hello num12 text and num5 numbers",r"num([0-9]+)"=>2*s"\1")
replace("hello num12 text and num5 numbers",r"num([0-9]+)"=>2*parse(Int,s"\1"))
replace("hello num12 text and num5 numbers",r"num([0-9]+)"=>2*parse(Int,SubstitutionString("\\1")))
输入：
“你好 num12 文本和 num5 数字”
预期输出（删除字符串“num”并将数字替换为其双精度）：
“你好 24 条文字和 10 个数字”
任何帮助将不胜感激。
编辑：错别字。
我希望能够在数据框中给定开始日期和结束日期创建日期向量。但是，我收到以下错误：“无法将convertInt64 类型的对象转换为 Day 类型的对象”
using DataFrames, Tidier, TidierDates
df = DataFrame(date_start = "2019-01-01", date_end = "2019-01-31")
describe(df)
df[!, :date_start] = TidierDates.ymd.(df[!, :date_start])
df[!, :date_end] = TidierDates.ymd.(df[!, :date_end])
describe(df)
df[1,:date_start]:df[1,:date_end]
我认为这样的事情可能会起作用，但没有：
date_vec = Dates.value(df[1,:date_start]):1:Dates.value(df[1,:date_end]) |> collect
date_days = Dates.Day(date_vec)