【一起学Rust | 进阶篇 | Grid库】二维表数据结构——Grid

article/2025/7/23 20:07:08

文章目录

  • 前言
  • 一、Grid安装和引入
  • 二、使用
    • 1. 运行官方案例
    • 2. Grid宏
    • 3. new
    • 4. init
    • 5. from_vec
    • 6. get
    • 7. get_mut
    • 8. size
    • 9. rows
    • 10. cols
    • 11. is_empty
    • 12. clear
    • 13. iter
    • 14. iter_mut
    • 15. iter_col
    • 16. iter_col_mut
    • 17. iter_row
    • 18. iter_row_mut
    • 19. push_row
    • 20. push_col
    • 21. pop_row
    • 22. pop_col
    • 23. insert_row
    • 24. insert_col
    • 25. flatten
    • 26. into_vec
    • 27. transpose
    • 28. fill
    • 29. fill_with
  • 总结


前言

Grid是个连续可增长的二维数据结构。这个 crate 的目的是提供一个比简单的Vec<Vec<T>>解决方案更快、使用更少的内存并且更容易使用的通用的数据结构。

Grid就像C语言风格的二维数组一样使用,拥有连续的存储内存。

注意Grid采用行优先的方式进行内存布局,因此使用grid.push_row()要比grid.push_col()快得多。


一、Grid安装和引入

Cargo.toml文件中引入

[dependencies]
grid = { version = "*", default-features = false }

然后运行build命令,就会自动下载好Grid库,如果你是按照我前面的文章搭建的开发环境,那么只要你在Cargo.toml文件中引入了就会自动导入

cargo build

二、使用

安装好以后,学习的时候先运行官方案例

1. 运行官方案例

首先是引入grid

use grid::*;

创建一个二位表数组

let mut grid = grid![[1,2,3][4,5,6]];

这行代码使用了一个宏grid!,他就等同于

let mut grid = Grid::from_vec(vec![1,2,3,4,5,6],3)

现在来判断一下二者是否相同,如果真的二者相等,那么会正常编译通过

assert_eq!(grid, Grid::from_vec(vec![1,2,3,4,5,6],3));

判断表(0,2)是否等于3

下表都是从0开始的,所以这个意思就是第1行,第三列

assert_eq!(grid.get(0,2), Some(&3));

判断表(1,1)是否等于5

第二行 第二列

assert_eq!(grid[1][1], 5);

判断表的大小是否等于(2,3)

2行 3列

assert_eq!(grid.size(), (2,3));

插入一行数组

grid.push_row(vec![7,8,9]);

判断新数组是否与grid![[1,2,3][4,5,6][7,8,9]]相等

assert_eq!(grid, grid![[1,2,3][4,5,6][7,8,9]])

官方提供的案例完整代码如下

use grid::*;
let mut grid = grid![[1,2,3][4,5,6]];
assert_eq!(grid, Grid::from_vec(vec![1,2,3,4,5,6],3));
assert_eq!(grid.get(0,2), Some(&3));
assert_eq!(grid[1][1], 5);
assert_eq!(grid.size(), (2,3));
grid.push_row(vec![7,8,9]);
assert_eq!(grid, grid![[1,2,3][4,5,6][7,8,9]])

2. Grid宏

grid宏是用来初始化一个grid二维数组的,它的用法在案例中就有体现

let grid = grid![[1, 2, 3]
[4, 5, 6]
[7, 8, 9]];

3. new

用来构建一个,m行,n列的二维表,需要传入行数和列数,

let grid : Grid<u8> = Grid::new(2,2);

4. init

使用指定的元素来初始化一个二维表,下面代码初始化了一个2行2列的二维表,初始化后,每个元素为5

let grid : Grid<u8> = Grid::init(2,2,5);

5. from_vec

从给定向量创建二维表,

向量长度必须是列数的倍数

let grid = Grid::from_vec(vec![1,2,3,4,5,6], 3);

如果不是列数的倍数就会报错,就像下面这样

let grid = Grid::from_vec(vec![1,2,3,4,5], 3);

6. get

访问表中的某个元素。如果尝试访问超出表边界的元素,则返回 None。

7. get_mut

对表中某个元素的可变访问。如果尝试访问超出表边界的元素,则返回 None。

8. size

以两个元素元组的形式返回表的大小。第一个元素是行数,第二个元素是列数。

9. rows

返回表的行数。

10. cols

返回表的列数。

11. is_empty

如果表不包含任何元素,则返回 true。例如:

use grid::*;
let grid : Grid<u8> = grid![];
assert!(grid.is_empty());

12. clear

清空二维表

13. iter

返回整个表的迭代器,从第一行和第一列开始。

use grid::*;
let grid: Grid<u8> = grid![[1,2][3,4]];
let mut iter = grid.iter();
assert_eq!(iter.next(), Some(&1));
assert_eq!(iter.next(), Some(&2));
assert_eq!(iter.next(), Some(&3));
assert_eq!(iter.next(), Some(&4));
assert_eq!(iter.next(), None);

14. iter_mut

返回允许修改每个值的整个表的可变迭代器。

use grid::*;
let mut grid: Grid<u8> = grid![[1,2][3,4]];
let mut iter = grid.iter_mut();
let next = iter.next();
assert_eq!(next, Some(&mut 1));
*next.unwrap() = 10;

15. iter_col

返回列上的迭代器。

use grid::*;
let grid: Grid<u8> = grid![[1, 2, 3][3, 4, 5]];
let mut col_iter = grid.iter_col(1);
assert_eq!(col_iter.next(), Some(&2));
assert_eq!(col_iter.next(), Some(&4));
assert_eq!(col_iter.next(), None);

如果 col 索引超出范围,则会出现panic。

16. iter_col_mut

返回列上的可变迭代器。

use grid::*;
let mut grid: Grid<u8> = grid![[1, 2, 3][3, 4, 5]];
let mut col_iter = grid.iter_col_mut(1);
let next = col_iter.next();
assert_eq!(next, Some(&mut 2));
*next.unwrap() = 10;
assert_eq!(grid[0][1], 10);

如果 col 索引超出范围,则会出现panic。

17. iter_row

返回一行的迭代器。

use grid::*;
let grid: Grid<u8> = grid![[1, 2, 3][3, 4, 5]];
let mut col_iter = grid.iter_row(1);
assert_eq!(col_iter.next(), Some(&3));
assert_eq!(col_iter.next(), Some(&4));
assert_eq!(col_iter.next(), Some(&5));
assert_eq!(col_iter.next(), None);

如果行索引超出范围,则会出现panic。

18. iter_row_mut

在一行上返回一个可变迭代器。

use grid::*;
let mut grid: Grid<u8> = grid![[1, 2, 3][3, 4, 5]];
let mut col_iter = grid.iter_row_mut(1);
let next = col_iter.next();
*next.unwrap() = 10;
assert_eq!(grid[1][0], 10);

如果行索引超出范围,则会出现panic。

19. push_row

在表中添加一个新行。

use grid::*;
let mut grid: Grid<u8> = grid![[1, 2, 3][3, 4, 5]];
let row = vec![6,7,8];
grid.push_row(row);
assert_eq!(grid.rows(), 3);
assert_eq!(grid[2][0], 6);
assert_eq!(grid[2][1], 7);
assert_eq!(grid[2][2], 8);

也可用于初始化一个空表:

use grid::*;
let mut grid: Grid<u8> = grid![];
let row = vec![1,2,3];
grid.push_row(row);
assert_eq!(grid.size(), (1, 3));

20. push_col

在表中添加一个新列。

重要提示: 请注意Grid使用行优先内存布局。因此,该push_col() 操作需要相当多的内存转移,并且与操作相比push_row()会显著变慢。

use grid::*;
let mut grid: Grid<u8> = grid![[1, 2, 3][3, 4, 5]];
let col = vec![4,6];
grid.push_col(col);
assert_eq!(grid.cols(), 4);
assert_eq!(grid[0][3], 4);
assert_eq!(grid[1][3], 6);

也可用于初始化一个空表:

use grid::*;
let mut grid: Grid<u8> = grid![];
let col = vec![1,2,3];
grid.push_col(col);
assert_eq!(grid.size(), (3, 1));

如果表不为空,且col.len() != grid.rows()则会出现panic

21. pop_row

从表中删除最后一行并将其返回,如果为空则返回 None。

use grid::*;
let mut grid = grid![[1,2,3][4,5,6]];
assert_eq![grid.pop_row(), Some(vec![4,5,6])];
assert_eq![grid.pop_row(), Some(vec![1,2,3])];
assert_eq![grid.pop_row(), None];

22. pop_col

从表中删除最后一列并返回它,如果为空则返回 None。

请注意,此操作比pop_row()的要慢得多,因为Grid的内存布局是行优先的,并且删除一列需要大量的移动操作。

use grid::*;
let mut grid = grid![[1,2,3][4,5,6]];
assert_eq![grid.pop_col(), Some(vec![3,6])];
assert_eq![grid.pop_col(), Some(vec![2,5])];
assert_eq![grid.pop_col(), Some(vec![1,4])];
assert_eq![grid.pop_col(), None];

23. insert_row

在索引处插入新行并在向下移动所有行。

use grid::*;
let mut grid = grid![[1,2,3][4,5,6]];
grid.insert_row(1, vec![7,8,9]);
assert_eq!(grid[0], [1,2,3]);
assert_eq!(grid[1], [7,8,9]);
assert_eq!(grid[2], [4,5,6]);
assert_eq!(grid.size(), (3,3))

24. insert_col

在索引处插入一个新列。

注意列的插入比行的插入要慢得多。这是因为grid数据结构的内存布局。

use grid::*;
let mut grid = grid![[1,2,3][4,5,6]];
grid.insert_col(1, vec![9,9]);
assert_eq!(grid[0], [1,9,2,3]);
assert_eq!(grid[1], [4,9,5,6]);
assert_eq!(grid.size(), (2,4))

25. flatten

返回对表内部数据结构的引用。

grid使用行优先布局。在向量数据结构中,所有行都紧挨着放置。

use grid::*;
let grid = grid![[1,2,3][4,5,6]];
let flat = grid.flatten();
assert_eq!(flat, &vec![1,2,3,4,5,6]);

26. into_vec

将 self 转换为没有克隆或分配的向量。

27. transpose

转置表,使列成为新表中的行。

28. fill

通过克隆用元素填充表的值。

use grid::*;
let mut grid = grid![[1,2,3][4,5,6]];
grid.fill(7);
assert_eq!(grid[0], [7,7,7]);
assert_eq!(grid[1], [7,7,7]);

29. fill_with

用重复调用闭包返回的元素填充表。

use grid::*;
let mut grid = grid![[1,2,3][4,5,6]];
grid.fill_with(Default::default);
assert_eq!(grid[0], [0,0,0]);
assert_eq!(grid[1], [0,0,0]);

总结

本期学习了Rust中二维表的使用,包括

  • 二维表的创建
  • 增加行
  • 增加列
  • 填充
  • 插入
  • 弹出
  • 迭代

等相关操作。

本文你可以用来学习Rust的二维表,也可以作为你学习Rust二维表的一个查询手册,需要用到时,随时查询,提高你编程的效率。


http://chatgpt.dhexx.cn/article/1EAXUFtO.shtml

相关文章

数据库中的二维表—巧借Excel

一维表和二维表的区别 一维表也常称为流水线表格&#xff0c;它和二维表做出的数据透视表最大的区别在于"行总计"。判断数据是一维表格还是二维表格的一个最简单的办法&#xff0c;就是看其列的内容--每一列是否是一个独立的参数。如果每一列都是独立的参数那就是一维…

倾向得分加权匹配分析方法的R实现

1.1 PSW Package 简介 PSW : Propensity Score Weighting Methods for Dichotomous Treatments. 该包由Huzhang Mao 和LiangLi两位作者贡献&#xff0c;首次发布于2017年10月&#xff1b;该包主要运用倾向得分加权分析方法实现因果效应的推断&#xff1b;主要由5个函数模块构成…

python倾向匹配得分_手把手教你做倾向评分匹配 -PSM

原标题:手把手教你做倾向评分匹配 -PSM 本文首发于“百味科研芝士”微信公众号,转载请注明:百味科研芝士,Focus科研人的百味需求。 各位科研芝士的朋友大家好,今天和大家分享一下新的知识点—PSM,或许大家早已听过这个名词了,或许你对它还是半知半解,不过没关系,希望…

回归问题的置信区间AUC_互助问答第193期:倾向得分匹配法与面板数据问题

问题一&#xff1a;老师您好&#xff01;我的问题是倾向得分匹配法之前要对匹配变量进行选择&#xff0c;我看见连玉君老师的一篇文章中主要是对处理变量和匹配变量做logit回归&#xff0c;然后根据准R方和AUC值判断&#xff0c;两者越大越好&#xff0c;通常来说AUC应该大于0.…

倾向值匹配法的概述和应用+倾向值分析:统计方法与应用

倾向值匹配法的概述和应用 一、因果推论理论概述 1.在应用倾向值匹配法进行因果推断时需要注意后续的检验理论&#xff0c;否则容易妄议因果。 2.什么是倾向值匹配法&#xff1f; 将各个手册单元多维度的信息&#xff0c;使用统计方法简化成一维的数值&#xff0c;是为倾向值…

因果推断(二)倾向匹配得分(PSM)

因果推断&#xff08;二&#xff09;倾向匹配得分&#xff08;PSM&#xff09; 前文介绍了如何通过合成控制法构造相似的对照组&#xff0c;除此之外&#xff0c;也可以根据倾向匹配得分&#xff08;PSM&#xff09;进行构造&#xff0c;即为每一个试验组样本在对照组中找对与…

PSM倾向得分匹配代码和案例数据

PSM倾向得分匹配代码和案例数据 含义&#xff1a;倾向评分匹配&#xff08;Propensity Score Matching&#xff0c;简称PSM&#xff09;是一种统计学方法&#xff0c;用于处理观察研究&#xff08;Observational Study&#xff09;的数据。 在观察研究中&#xff0c;由于种种…

倾向得分匹配PSM案例分析

倾向得分匹配(PSM)&#xff0c;是一种模仿RCT随机对照试验随机化分组&#xff0c;提高组间均衡性&#xff0c;进而达到降低混杂因素影响目的一种数据处理策略。PSM在计量研究&#xff0c;临床医学等领域有着广泛的应用。 1.案例背景与分析策略 1.1 案例背景介绍 某企业想评价…

使用R进行倾向得分匹配(PSM)

【译文】使用R进行倾向得分匹配&#xff08;PSM&#xff09; 作者 Norbert Khler 译者 钱亦欣 根据维基百科&#xff0c;倾向得分匹配&#xff08;PSM&#xff09;是一种用来评估处置效应的统计方法。广义说来&#xff0c;它将样本根据其特性分类&#xff0c;而不同类样本间…

倾向匹配得分PSM学习笔记

一直在想写倾向匹配得分PSM学习笔记&#xff0c;好好总结一下。但一直拖着&#xff0c;对倾向匹配得分法虽然思想比较理解&#xff0c;但没有系统地学习&#xff0c;所以这篇博客总结一下老师们的一些文章&#xff0c;在总结中学习&#xff0c;哈哈~ 倾向匹配得分PSM学习笔记 …

倾向得分匹配案例分析

一、倾向得分匹配法说明 倾向得分匹配模型是由Rosenbaum和Rubin在1983年提出的&#xff0c;首次运用在生物医药领域&#xff0c;后来被广泛运用在药物治疗、计量研究、政策实施评价等领域。倾向得分匹配模型主要用来解决非处理因素&#xff08;干扰因素&#xff09;的偏差。 …

倾向得分匹配法(PSM)量化评估效果分析

1. 因果推断介绍 如今量化策略实施的效果评估变得越来越重要&#xff0c;数据驱动产品和运营、业务等各方的理念越来越受到重视。如今这方面流行的方法除了实验方法AB testing外&#xff0c;就是因果推断中的各种观察研究方法。 “统计相关性并不意味着因果关系”&#xff0c;数…

PSM倾向得分匹配法【python实操篇】

前言 大家好&#xff0c;我是顾先生&#xff0c;PSM倾向性得分匹配法的Python代码实操终于来啦&#xff01; ​ 对于PSM原理不太熟悉的同学可以看看前一篇文章&#xff1a;PSM倾向得分匹配法【上篇&#xff1a;理论篇】 目前网上PSM实操的相关文章都是R语言、SPSS和STATA实现…

数据分析36计(九):倾向得分匹配法(PSM)量化评估效果分析

1. 因果推断介绍 如今量化策略实施的效果评估变得越来越重要&#xff0c;数据驱动产品和运营、业务等各方的理念越来越受到重视。如今这方面流行的方法除了实验方法AB testing外&#xff0c;就是因果推断中的各种观察研究方法。 “统计相关性并不意味着因果关系”&#xff0c;数…

PSM倾向得分匹配

1. 简要介绍 我们以 是否上大学 () 对 收入 () 的影响为例来说明这个问题。这里&#xff0c;先讲二者的关系设定为如下线性模型&#xff1a; 显然&#xff0c;在模型 (1) 的设定中&#xff0c;我们可能忽略了一些同时影响「解释变量」—— 是否上大学 () 和「被解释变量」——…

stata 倾向得分匹配操作

倾向得分匹配法是一种研究方法&#xff0c;它在研究某项治疗、政策、或者其他事件的影响因素上很常见。对于经济、金融学领域来说&#xff0c;比如需要研究某个劳动者接受某种高等教育对其收入的影响&#xff0c;或者比如研究某个企业运用了某项管理层激励措施以后对企业业绩的…

倾向得分匹配(PSM)的原理以及应用

该文章主要介绍倾向得分匹配&#xff08;PSM, Propensity Score Matching&#xff09;方法的原理以及实现。这是一种理论稍微复杂、但实现较为容易的分析方法&#xff0c;适合非算法同学的使用。可用于&#xff08;基于观察数据的&#xff09;AB实验、增量模型搭建等领域。 文章…

倾向得分匹配只看这篇就够了

一、倾向得分匹配法说明 倾向得分匹配模型是由Rosenbaum和Rubin在1983年提出的&#xff0c;首次运用在生物医药领域&#xff0c;后来被广泛运用在药物治疗、计量研究、政策实施评价等领域。倾向得分匹配模型主要用来解决非处理因素&#xff08;干扰因素&#xff09;的偏差。 …

Android设置图标背景透明

这里写自定义目录标题 Android 设置图标背景透明速览引言调整背景色 Android 设置图标背景透明 速览 设置 android:background"#00ffffff" 引言 适用于 Vector Assets 和 透明背景的图片 想要在Android中使用透明背景的图片 首先得保证图片本身是透明背景的 不然也没…