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
相关产品推荐

