两种不同类型的数组

两个a和b是矢量，但它们允许不同类型的元件。您可以通过以下方式进行检查：

julia> typeof(a)
Array{Array{Float64,N} where N,1}

julia> typeof(b)
Array{Array,1}

现在Array是具有两个参数的参量类型。第一个参数是它允许的元素类型。第二个参数是尺寸。您会看到，在这两种情况下，维都是1，表示维a和b是向量。您也可以使用以下ndims功能对其进行检查：

julia> ndims(a)
1

julia> ndims(b)
1

第一个参数是允许的元素类型。在a它的情况下，Array{Float64,N} where N而在b公正的情况下Array。在解释如何阅读它们之前，请注意可以使用以下eltype函数提取第一个参数：

julia> eltype(a)
Array{Float64,N} where N

julia> eltype(b)
Array

您可以看到两者a并b允许Array对其进行存储。首先让我解释一下如何阅读Array{Float64, N} where N。这意味着a可以存储Float64任何尺寸的数组。实际上，您可以用以下较短的方式编写代码，Array{Float64}因为您可以检查以下内容：

julia> (Array{Float64,N} where N) === Array{Float64}
true

原因是，如果不对tail参数施加限制，则可以在语法上删除它。该where N部分是对参数的限制。在这种情况下，对第二个参数没有限制。

现在我们可以转向b。您会看到它eltype是just Array，因此两个参数都被删除，因此如上所述对它们没有任何限制。因此Array，与Array{T, N} where {T,N}您在此处看到的相同：

julia> (Array{T, N} where {T,N}) === Array
true

因此，区别在于a可以存储任何维度的数组，但它们必须具有Float64元素类型，而b可以存储任何维度和任何元素类型的数组。这种区别，在这种情况下，具有如你已经注意到性能没有影响，但将有什么可以存储在冲击a和b。这里有些例子。

在这种情况下，它们的工作方式与您尝试将Int它们存储在其中的方式相同，但是它们只允许使用数组：

julia> a[1] = 1
ERROR: MethodError: Cannot `convert` an object of type

julia> b[1] = 1
ERROR: MethodError: Cannot `convert` an object of type

但在这里它们有所不同：

julia> a[1] = ["a"]
ERROR: MethodError: Cannot `convert` an object of type String to an object of type Float64

julia> b[1] = ["a"]
1-element Array{String,1}:
 "a"

julia> a
3-element Array{Array{Float64,N} where N,1}:
 [1.0, 2.0]
 [3.0, 4.0]
 [1.0 2.0; 3.0 4.0]

julia> b
3-element Array{Array,1}:
 ["a"]
 [3.0, 4.0]
 [1.0 2.0; 3.0 4.0]

如您所见，您可以存储Stringin的数组b，但是不允许将其存储在中a。

另外两个评论（两个主题都比较复杂，因此我省略了详细信息，但只是提示您发生了什么）：

1. 定义数组时，不得指定数组的元素类型。在这种情况下，Julia将自动选择其元素类型：

julia> [[1.0, 2.0], [3.0,4.0], [1.0 2.0; 3.0 4.0]]
3-element Array{Array{Float64,N} where N,1}:
 [1.0, 2.0]
 [3.0, 4.0]
 [1.0 2.0; 3.0 4.0]

2. 选择数组的元素类型对性能的影响取决于以下事实：

   1. 如果类型是抽象的（可以通过isabstracttype；可以通过编译器进行的这种影响类型推断来检查），
   2. 如果是位类型（可以通过isbitstype;进行检查，这会影响存储布局），
   3. 如果元素类型为Union（可以更有效地处理小并集）。

在您的情况下，两种元素类型都是抽象位和非位，因此性能将相同。