You need to enable JavaScript to run this app. Julia中Matrix数据存为JSON后解析变为嵌套向量的解决方法咨询
优惠活动
大模型
产品
解决方案
定价
更多

Julia中Matrix数据存为JSON后解析变为嵌套向量的解决方法咨询

JSON 本身是无类型的通用数据格式,没有原生矩阵类型,因此 Julia 原生 JSON 包序列化矩阵时默认会将其转换为嵌套数组,反序列化自然只能得到向量的向量类型。以下是几种无需手动逐个转换矩阵的实现方案:

方案1:自定义JSON序列化/反序列化规则(兼容标准JSON,支持跨语言)

通过扩展JSON.lower方法定义矩阵的序列化规则,同时传入reviver参数在反序列化时自动还原矩阵类型,所有嵌套在任意层级的矩阵都会自动处理,无需单独操作:

using JSON

# 自定义矩阵序列化规则,存储时额外保留类型标记和尺寸信息
JSON.lower(m::Matrix) = Dict(
    "__type__" => "Matrix",
    "size" => collect(size(m)),
    "data" => vec(m) # 拉直存储可减少JSON体积,也可替换为`collect(eachrow(m))`存嵌套数组
)

# 自定义反序列化恢复规则,自动识别矩阵标记并转换类型
function matrix_reviver(k, v)
    if v isa Dict && get(v, "__type__", "") == "Matrix"
        return reshape(v["data"], Tuple(v["size"]))
    end
    return v
end

# 测试代码
n = 10
mat = zeros(n, n)
data = Dict("n" => n, "mat" => mat)

# 写入文件
open("jsonTest.json", "w") do io
    JSON.print(io, data)
end

# 读取文件,自动将矩阵还原为原生Matrix类型
op = JSON.parsefile("jsonTest.json", reviver=matrix_reviver)

该方案输出的JSON为标准格式,其他语言读取时只要忽略__type__字段即可正常获取数组数据,不会影响跨语言兼容性。

方案2:使用JSON3.jl+StructTypes.jl(Julia生态内高性能方案)

如果仅在Julia生态内使用JSON格式,这套组合的性能远高于原生JSON包,且只需简单注册类型即可自动完成类型还原:

using JSON3, StructTypes

# 注册Matrix类型的序列化规则
StructTypes.StructType(::Type{<:Matrix}) = StructTypes.ArrayType()

# 写入文件
JSON3.write("jsonTest.json", data)

# 读取文件,自动还原Matrix类型
op = JSON3.read("jsonTest.json", Dict{String, Any})

方案3:使用BSON格式(零配置,完全保留Julia类型)

如果不需要强制使用JSON格式,优先推荐使用BSON等Julia原生支持的序列化格式,无需任何额外配置即可完整保留所有Julia类型:

using BSON

# 写入文件
BSON.bson("test.bson", data)

# 读取文件,Matrix类型完全保留,无需任何转换
op = BSON.load("test.bson", @__MODULE__)

内容的提问来源于stack exchange,提问作者ten

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.13 00:00:05