如何在Julia中高效创意地生成以0为主、含少量1的随机矩阵？

你的代码存在两个关键问题：

• 变量作用域错误：let块内定义的mat是局部变量，块外无法访问，你后续打印的mat其实是之前定义的旧矩阵，所以修改shift看不到变化。
• 逻辑易混淆：虽然你的zero_or_one函数理论上能生成更多0，但判断逻辑不够直观，且因为作用域问题你根本没看到正确结果。

下面提供几种实用的实现方式：

1. 标准方案：使用Distributions包的伯努利分布 #

这是最专业的实现方式，直接利用带权重的伯努利分布生成符合要求的矩阵：

using Distributions

# 设置1的出现概率为0.1，对应0的概率为0.9
prob_one = 0.1
# 生成3×5的随机矩阵，默认是Bool类型，可转成Int
mat = Int.(rand(Bernoulli(prob_one), 3, 5))

调整prob_one的值即可控制1的占比，值越小，1的数量越少。

2. 轻量方案：不依赖第三方包 #

用Julia内置的rand函数就能实现，逻辑和伯努利分布完全等价：

prob_one = 0.1
# 生成0-1的随机浮点数矩阵，小于prob_one的位置设为1，其余为0
mat = Int.(rand(3, 5) .< prob_one)

这种写法简洁高效，不需要安装额外包。

3. 修复你的原有代码 #

如果想保留自己的代码结构，只需修正作用域并优化逻辑：

# 方式一：直接定义矩阵并填充（推荐放到函数中避免全局变量）
mat = Matrix{Int64}(undef, 3, 5)
# 直观定义：rand()小于prob_one时返回1，否则返回0
zero_or_one(prob) = rand() < prob ? 1 : 0
foreach(idx -> mat[idx] = zero_or_one(0.1), eachindex(mat))

# 方式二：用let块并返回矩阵，确保拿到正确结果
mat = let 
    m = Matrix{Int64}(undef, 3, 5)
    zero_or_one(prob) = rand() < prob ? 1 : 0
    foreach(idx -> m[idx] = zero_or_one(0.1), eachindex(m))
    m
end

内容的提问来源于stack exchange，提问作者Shayan