Julia 数据类型全景图（中文版）

“一切皆类型” —— Julia 的类型系统是其高性能与灵活性的基石

一、Julia 类型系统概览

Any
├── Concrete Types（具体类型）
│   ├── Number
│   │   ├── Real
│   │   │   ├── Integer
│   │   │   │   ├── Bool
│   │   │   │   ├── Signed (Int8, Int16, Int32, Int64, Int128)
│   │   │   │   └── Unsigned (UInt8, UInt16, UInt32, UInt64, UInt128)
│   │   │   └── Rational & Float (Float16, Float32, Float64)
│   │   └── Complex
│   ├── AbstractArray{T, N}
│   ├── Tuple
│   ├── NamedTuple
│   ├── String
│   ├── Symbol
│   └── ...
└── Abstract Types（抽象类型）

核心原则：

具体类型（Concrete Type）才能实例化

抽象类型（Abstract Type）用于派发和分类

所有值都是某个具体类型的实例

二、核心内置类型详解

1. 数值类型（Number）

类型	说明	示例
`Int64`	默认整数（64 位）	`42`
`Float64`	默认浮点（双精度）	`3.14`
`Bool`	布尔值	`true`, `false`
`Complex`	复数	`3 + 4im`
`Rational`	有理数	`2//3`

typeof(42)        # Int64
typeof(3.14)      # Float64
typeof(3 + 4im)   # Complex{Int64}
typeof(2//3)      # Rational{Int64}

类型转换

convert(Float64, 42)     # 42.0
Float64(42)              # 42.0
Int(3.14)                # 3（截断）
round(Int, 3.7)          # 4

2. 字符串与字符

类型	说明
`String`	UTF-8 编码字符串
`Char`	单个 Unicode 字符（单引号）

s = "Julia 语言"
c = '中'          # Char

codepoint(c)      # 20013（Unicode 码点）
string('A', 'B')  # "AB"

3. 数组（Array）—— 最重要容器

a = [1, 2, 3]                 # Vector{Int64}
m = [1 2; 3 4]                # 2×2 Matrix{Int64}

Vector{T} = Array{T,1}
Matrix{T} = Array{T,2}

eltype(a)     # Int64
ndims(a)      # 1
size(m)       # (2, 2)

4. 元组（Tuple）与命名元组（NamedTuple）

t = (1, "hi", 3.14)           # Tuple{Int64, String, Float64}
nt = (name="Julia", v=1.10)   # NamedTuple{(:name, :v), Tuple{String, Float64}}

不可变
支持异构元素
命名元组支持 .name 访问

5. 字典（Dict）与集合（Set）

d = Dict("a" => 1, "b" => 2)   # Dict{String, Int64}
s = Set([1, 2, 2, 3])          # Set{Int64} with 3 elements

6. 符号（Symbol）

:name
Symbol("x")    # :x

轻量级标识符
常用于键、宏、元编程

7. `Nothing` 与 `Missing`

nothing    # 表示“无值”
missing    # 表示缺失数据（常用于 DataFrames）

x = nothing
typeof(x)  # Nothing

y = missing
ismissing(y)  # true

三、类型层级查询

# 查看父类型
supertype(Int64)      # Signed
supertype(Signed)     # Integer
supertype(Integer)    # Real
supertype(Real)       # Number
supertype(Number)     # Any

# 查看子类型
subtypes(Integer)     # [Bool, Signed, Unsigned]
subtypes(AbstractArray)  # [Array, BitArray, ...]

工具函数：

isa(x, T) → x isa T

typeof(x)

supertype(T), subtypes(T)

四、参数化类型（Parametric Types）

Vector{Int}        # 元素为 Int 的向量
Dict{String, Float64}
Tuple{Int, String}

自定义参数化类型

struct Point{T}
    x::T
    y::T
end

p1 = Point(1, 2)        # Point{Int64}
p2 = Point(1.0, 2.0)    # Point{Float64}

五、联合类型（Union）

IntOrString = Union{Int, String}
x::IntOrString = 42
y::IntOrString = "hello"

常用于可选参数：

function f(x::Union{Int, Nothing})
    x === nothing && return 0
    return x^2
end

六、类型稳定性（Type Stability）—— 性能关键！

# 好：类型稳定
function sum_positive(v::Vector{Int})
    s = 0
    for x in v
        x > 0 && (s += x)
    end
    return s::Int
end

# 坏：返回类型不确定
bad(x) = x > 0 ? x : "negative"  # 返回 Int 或 String

检查方法：@code_warntype f(args)

七、类型注解与声明

x::Int = 42
y::Float64 = 3.14

function add(a::Int, b::Int)::Int
    return a + b
end

注解不影响运行，但：

提升性能（编译器优化）

提高代码可读性

便于静态分析

八、抽象类型 vs 具体类型

特性	抽象类型	具体类型
可实例化	No	Yes
可继承	Yes	No
性能	用于派发	最高性能
示例	`Number`, `AbstractArray`	`Int64`, `Vector{Int}`

abstract type Animal end
struct Dog <: Animal; name::String; end
struct Cat <: Animal; name::String; end

greet(a::Animal) = "Hello, $(a.name)!"

九、类型别名（Type Alias）

const Vec = Vector{Float64}
const Matrix = Array{Float64, 2}

v::Vec = [1.0, 2.0]

十、类型推断示例

julia> x = [1, 2, 3]
3-element Vector{Int64}:
 1
 2
 3

julia> y = [1, 2.0, 3]
3-element Vector{Float64}:
 1.0
 2.0
 3.0

julia> z = [1, "hi"]
2-element Vector{Any}:
 1
  "hi"

Julia 自动推断最具体共同类型

十一、类型可视化工具

using AbstractTrees

# 打印类型树
print_tree(Number)

输出：

Number
├─ Complex
└─ Real
   ├─ AbstractFloat
   │  ├─ BigFloat
   │  ├─ Float16
   │  ├─ Float32
   │  └─ Float64
   ├─ Integer
   │  ├─ Bool
   │  └─ Signed
   │     ├─ BigInt
   │     ├─ Int128
   │     ├─ Int16
   │     ├─ Int32
   │     ├─ Int64
   │     └─ Int8
   └─ Rational

十二、数据类型速查表

类型	字面量	说明
`Int64`	`42`	默认整数
`Float64`	`3.14`	默认浮点
`Bool`	`true`	布尔
`Char`	`'A'`	字符
`String`	`"hi"`	字符串
`Vector{T}`	`[1,2,3]`	一维数组
`Tuple`	`(1,2,3)`	不可变序列
`NamedTuple`	`(a=1, b=2)`	带名元组
`Dict`	`Dict("a"=>1)`	键值对
`Set`	`Set([1,2])`	无序集合
`Symbol`	`:x`	符号
`Nothing`	`nothing`	无值
`Missing`	`missing`	缺失值

小练习（立即上手）

定义一个 RGB 命名元组类型别名
写函数判断变量是否为整数类型
创建 Union{Int, Float64} 数组并求和
用 @code_warntype 检查类型稳定性

答案示例

# 1. RGB 类型别名
const RGB = NamedTuple{(:r,:g,:b), Tuple{UInt8,UInt8,UInt8}}
color = RGB(255, 128, 0)

# 2. 是否整数
is_integer_type(x) = typeof(x) <: Integer

# 3. Union 数组求和
nums = Union{Int, Float64}[1, 2.5, 3, 4.0]
sum(nums)  # 10.5

# 4. 类型检查
function bad(x)
    if x > 0
        return x
    else
        return "negative"
    end
end

@code_warntype bad(5)  # 显示 Union{Int64, String}

性能建议

建议	说明
避免 `Any` 和 `Union`	降低性能
使用具体类型	`Vector{Float64}` > `Vector`
类型注解关键函数	提升 JIT 优化
预分配数组	避免动态增长

恭喜！你已掌握 Julia 数据类型系统！

下一站推荐：

Julia 结构体 struct

多重派发深入

泛型编程与参数化

性能优化指南

需要我：

生成 完整类型树图？
写一个 类型检查器工具？
对比 Julia vs Python 类型系统？

随时告诉我！

Julia 数据类型

Julia 数据类型全景图（中文版）

一、Julia 类型系统概览

二、核心内置类型详解

1. 数值类型（Number）

类型转换

2. 字符串与字符

3. 数组（Array）—— 最重要容器

4. 元组（Tuple）与命名元组（NamedTuple）

5. 字典（Dict）与集合（Set）

6. 符号（Symbol）

7. `Nothing` 与 `Missing`

三、类型层级查询

四、参数化类型（Parametric Types）

自定义参数化类型

五、联合类型（Union）

六、类型稳定性（Type Stability）—— 性能关键！

七、类型注解与声明

八、抽象类型 vs 具体类型

九、类型别名（Type Alias）

十、类型推断示例

十一、类型可视化工具

十二、数据类型速查表

小练习（立即上手）

答案示例

性能建议

likuolei

发表回复取消回复

归档

分类

2025 年 11 月
一	二	三	四	五	六	日
					1	2
3	4	5	6	7	8	9
10	11	12	13	14	15	16
17	18	19	20	21	22	23
24	25	26	27	28	29	30

Julia 数据类型全景图（中文版）

一、Julia 类型系统概览

二、核心内置类型详解

1. 数值类型（Number）

类型转换

2. 字符串与字符

3. 数组（Array）—— 最重要容器

4. 元组（Tuple）与命名元组（NamedTuple）

5. 字典（Dict）与集合（Set）

6. 符号（Symbol）

7. Nothing 与 Missing

三、类型层级查询

四、参数化类型（Parametric Types）

自定义参数化类型

五、联合类型（Union）

六、类型稳定性（Type Stability）—— 性能关键！

七、类型注解与声明

八、抽象类型 vs 具体类型

九、类型别名（Type Alias）

十、类型推断示例

十一、类型可视化工具

十二、数据类型速查表

小练习（立即上手）

答案示例

性能建议

likuolei

发表回复 取消回复

相关文章

7. `Nothing` 与 `Missing`

发表回复取消回复