如何在Julia中以可读且高效的方式生成标准基向量？

下面是几种在Julia中生成标准基向量（如$e_k$为n维向量，仅第k位为1，其余为0）的实用方法，兼顾可读性与效率：

1. 直观赋值法（推荐日常使用） #

这是最容易理解的方式，逻辑清晰且效率出色：

# 生成n维的第k个标准基向量，可指定数值类型
function standard_basis(n::Int, k::Int, T::Type=Int)
    vec = zeros(T, n)
    vec[k] = one(T)  # one(T)确保类型匹配，比如T=Float64时是1.0
    return vec
end

# 调用示例
e1 = standard_basis(5, 1)  # 输出 [1, 0, 0, 0, 0]
e3_float = standard_basis(5, 3, Float64)  # 输出 [0.0, 0.0, 1.0, 0.0, 0.0]

这种方法对新手友好，数组内存分配和赋值操作在Julia中都经过高度优化，适合绝大多数常规场景。

2. 对角矩阵提取法（批量生成） #

如果需要一次性获取所有n维标准基向量，可通过对角矩阵的列来提取：

n = 5
# 生成对角矩阵，对角线元素全为1
basis_matrix = Diagonal(ones(Int, n))
# 提取第k个基向量
e2 = basis_matrix[:, 2]  # 输出 [0, 1, 0, 0, 0]
# 获取所有基向量（每一列对应一个基向量）
all_bases = eachcol(basis_matrix)

Diagonal是Julia专门优化的特殊矩阵类型，构造和列提取的效率都很高，适合批量处理场景。

3. 一行式列表推导（快速生成） #

如果需要快速写出单个基向量，列表推导式的写法紧凑且可读性不错：

e(n, k) = [i == k ? 1 : 0 for i in 1:n]

# 调用示例
e4 = e(5, 4)  # 输出 [0, 0, 0, 1, 0]

这种写法无需定义复杂函数，适合在REPL中快速测试或嵌入到短代码里。对于中小维度的向量，效率和直观赋值法差异可以忽略。

4. 稀疏向量法（高维场景） #

当n非常大（比如十万维以上），使用稀疏向量能大幅节省内存并提升操作效率：

using SparseArrays  # 标准库，无需额外安装

sparse_basis(n::Int, k::Int, T::Type=Int) = sparsevec([k], [one(T)], n)

# 调用示例
e_sparse = sparse_basis(100000, 50000)

稀疏向量仅存储非零元素的位置和值，在高维线性代数运算中优势明显。

内容的提问来源于stack exchange，提问作者Felix Benning