Julia如何沿矩阵特定轴向量化执行函数？可否通过点语法实现？

你写的sum.(ones(4,4))没有得到预期结果，是因为点语法是Julia的广播机制，作用是把函数逐个应用到数组的每一个独立元素上，上述代码等价于对4×4矩阵里的每个1单独执行求和操作，最终输出还是4×4的全1矩阵，和按行/列聚合的需求不符。

内置聚合函数的最优实现 #

Julia所有内置的统计聚合函数（包括sum、mean、maximum、std等）都原生支持dims关键字参数，直接指定操作维度即可，这是性能最优的实现方式，底层做了高度向量化优化：

• 按行求和（对每行的所有列元素聚合，保留维度结构）：

  sum(ones(4,4), dims=2)
  # 输出为4×1矩阵，每个元素对应原矩阵一行的求和结果
  

• 按列求和（对每列的所有行元素聚合，保留维度结构）：

  sum(ones(4,4), dims=1)
  # 输出为1×4矩阵，每个元素对应原矩阵一列的求和结果
  

如果不需要保留聚合后的维度，想要输出一维向量，可以搭配dropdims方法消去冗余维度：

# 按行求和后输出长度为4的一维向量
dropdims(sum(ones(4,4), dims=2), dims=2)

自定义函数沿指定维度应用的通用方法 #

如果需要应用自定义函数而非内置聚合函数，可以用eachslice方法按指定维度切分矩阵得到切片迭代器，再搭配广播或者map执行函数，编译后性能和手写循环一致：

# 自定义函数示例：计算每行的最大值减最小值
f(row) = maximum(row) - minimum(row)
# 对所有行应用函数，输出长度为4的一维向量
f.(eachslice(ones(4,4), dims=1))

内容的提问来源于stack exchange，提问作者bonfab