En el concepto Vectors, dijimos que «los arrays están en el corazón del lenguaje Julia» y que un vector es unidimensional.
Teniendo esto en cuenta, es razonable esperar que el lenguaje ofrezca muchas formas versátiles y potentes de hacer cosas con vectores, sea lo que sea que eso signifique.
Funciones que esperan un vector como entrada
Algunas funciones muy sencillas reciben un vector como entrada y devuelven un valor escalar como salida.
v = [2, 3, 4]
length(v) # => 3
sum(v) # => 9
Aritmética
Supón que tienes un vector numérico y quieres restar 0,5 a cada valor.
julia> v = [1.2, 1.5, 1.7]
3-element Vector{Float64}:
1.2
1.5
1.7
julia> v - 0.5
ERROR: MethodError: no method matching -(::Vector{Float64}, ::Float64)
Eso falla, así que ¿qué pasa si restamos otro vector?
julia> v - [0.5, 0.5, 0.5]
3-element Vector{Float64}:
0.7
1.0
1.2
Funciona, pero resulta bastante tedioso y consume mucha memoria a medida que los vectores se alargan.
Por suerte, Julia tiene un punto «mágico» que resuelve este problema de forma muy sencilla: v .- 0.5 es todo lo que necesitas.
La siguiente sección explica por qué.
Broadcasting
Así que v - 0.5 falla, pero v .- 0.5 funciona, y necesitamos entender qué hace el punto.
Dos cosas, que se combinan para dar el resultado deseado.
1. Aplicación elemento a elemento
En primer lugar, añadir un punto delante de cualquier operador infijo significa «aplicar esta operación a cada elemento por separado».
De forma similar, añadir un punto después del nombre de una función la «vectoriza», aunque la función se haya escrito para entradas escalares.
julia> sqrt.([1, 4, 9])
3-element Vector{Float64}:
1.0
2.0
3.0
2. Expansión de singleton
En un ejemplo anterior vimos que podemos restar vectores de la misma longitud, aunque conviene entender que .- es un operador más seguro que -, porque deja clara la intención de operar elemento a elemento.
julia> v .- [0.5, 0.5, 0.5]
3-element Vector{Float64}:
0.7
1.0
1.2
¿Y si los vectores tienen longitudes distintas?
julia> v .- [0.5, 0.5]
ERROR: DimensionMismatch: arrays could not be broadcast to a common size
julia> v .- [0.5,]
3-element Vector{Float64}:
0.7
1.0
1.2
En general, que las longitudes no coincidan es un error, excepto cuando una tiene longitud 1 (técnicamente, una dimensión «singleton»).
Los singleton como [0.5,] o simplemente 0.5 se expanden automáticamente a la longitud necesaria mediante repetición.
Esto es el núcleo de broadcasting.
Indexación
La selección de elementos de un vector por número de índice se ha tratado en conceptos anteriores.
a = collect('A':'Z') # => 26-element Vector{Char}
# index with an integer
a[2] # => 'B'
# index with a range
a[12:2:18] # => ['L', 'N', 'P, 'R']
# index with another vector
a[ [1, 3, 5] ] # => ['A', 'C', 'E']
Indexación lógica
También es posible seleccionar elementos que satisfacen cierta expresión lógica (técnicamente, un «predicado»).
Esto suele requerir broadcasting.
julia> a[a .< 'D']
3-element Vector{Char}:
'A': ASCII/Unicode U+0041 (category Lu: Letter, uppercase)
'B': ASCII/Unicode U+0042 (category Lu: Letter, uppercase)
'C': ASCII/Unicode U+0043 (category Lu: Letter, uppercase)
En expresiones más complejas, los puntos tienden a multiplicarse (pero son pequeños y fáciles de escribir).
julia> a[a .< 'D' .|| a .> 'W']
6-element Vector{Char}:
'A': ASCII/Unicode U+0041 (category Lu: Letter, uppercase)
'B': ASCII/Unicode U+0042 (category Lu: Letter, uppercase)
'C': ASCII/Unicode U+0043 (category Lu: Letter, uppercase)
'X': ASCII/Unicode U+0058 (category Lu: Letter, uppercase)
'Y': ASCII/Unicode U+0059 (category Lu: Letter, uppercase)
'Z': ASCII/Unicode U+005A (category Lu: Letter, uppercase)
Recuerda que el «vector» puede ser, de hecho, cualquier iterable ordenado adecuado, como un rango:
julia> n = 3:10
3:10
julia> n[isodd.(n)]
4-element Vector{Int64}:
3
5
7
9
Ejercicio de aprendizaje
