Julia 标准库 - Julia Data Science

3.5 Julia 标准库

Julia 拥有 丰富的标准库，每个 Julia 发行版都可以使用这些库。与截至目前提到的一切相反，例如类型，数据结构和文件系统；在使用特定的模块或函数前， 需要将标准库模块导入到环境中。

这可以通过 using 或 import实现。本书将使用 using 导入代码：

using ModuleName

在执行上述操作后，就可以使用 ModuleName 中所有的函数和类型。

3.5.1 日期

了解如何处理日期和时间戳在数据科学中很重要。正如在 为什么选择 Julia? (Section 2) 节讨论的那样，Python 中的 pandas 使用它自己的 datetime 类型处理日期。 R 语言中 TidyVerse 的 lubridate 包中也是如此，它也定义了自己的 datetime 类型来处理日期。在 Julia 软件包中，不需要编写自己的日期逻辑，因为 Julia 标准库中有一个名为 Dates 的日期处理模块。

首先加载 Dates 模块到工作空间中：

using Dates

3.5.1.1 `Date` and `DateTime` Types

Dates 标准库模块有 两种处理日期的类型:

Date: 表示以天为单位的时间和
DateTime: 表示以毫秒为单位的时间。

构造 Date 和 DateTime 的方法是，向默认构造器传递表示年，月，日，小时等等的整数：

Date(1987) # year

1987-01-01

Date(1987, 9) # year, month

1987-09-01

Date(1987, 9, 13) # year, month, day

1987-09-13

DateTime(1987, 9, 13, 21) # year, month, day, hour

1987-09-13T21:00:00

DateTime(1987, 9, 13, 21, 21) # year, month, day, hour, minute

1987-09-13T21:21:00

好奇的人会发现，1987 年 9 月 13 日 21 点 21 分正是第一作者 Jose 的官方出生时间。

也可以向默认构造器传递 Period 类型。对于计算机来说，Period 类型是时间的等价表示。 Julia 的 Dates 具有如下的 Period 抽象类型：

subtypes(Period)

DatePeriod

TimePeriod

它被划分为如下的具体类型，并且它们的用法都是不言自明的：

subtypes(DatePeriod)

Day

Month

Quarter

Week

Year

subtypes(TimePeriod)

Hour

Microsecond

Millisecond

Minute

Nanosecond

Second

因此，也能以如下方式构造 Jose 的官方出生时间：

DateTime(Year(1987), Month(9), Day(13), Hour(21), Minute(21))

1987-09-13T21:21:00

3.5.1.2 序列化 Dates

多数情况下，我们不会从零开始构造 Date 或 DateTime 示例。实际上更可能是 将字符串序列化为 Date 或 DateTime 类型。

Date 和 DateTime 构造器可以接收一个数字字符串和格式字符串。例如，表示 1987 年 9 月 13 日的字符串 "19870913" 可被序列化为：

Date("19870913", "yyyymmdd")

1987-09-13

注意第二个参数是日期格式的字符串表示。前四位表示年 y，后接着的两位表示月 m，而最后两位数字表示日 d.

这也适用于 DateTime 的时间戳：

DateTime("1987-09-13T21:21:00", "yyyy-mm-ddTHH:MM:SS")

1987-09-13T21:21:00

可以在 Julia Dates’ documentation 了解到更多的日期格式。不同担心需要时常浏览文档，我们在处理日期和时间戳时也是这样。

根据 Julia Dates’ documentation，当只需调用几次时，使用 Date(date_string, format_string) 方法也是可以的。然而，如果需要处理大量相同格式的日期字符串，那么更高效的方法是先创建 DateFormat 类型，然后传递该类型而不是原始的格式字符串。然后，先前的例子改为：

format = DateFormat("yyyymmdd")
Date("19870913", format)

1987-09-13

或者，在不损失性能的情况下，使用字符串字面量前缀 dateformat"..."：

Date("19870913", dateformat"yyyymmdd")

1987-09-13

3.5.1.3 提取日期信息

很容易 从 Date 和 DateTime 对象中提取想要的信息。首先，创建一个具体日期的实例：

my_birthday = Date("1987-09-13")

1987-09-13

然后可以从 my_birthday 中提取任何想要的信息：

year(my_birthday)

month(my_birthday)

day(my_birthday)

Julia 的 Dates 模块也提供了 返回值元组的复合函数：

yearmonth(my_birthday)

(1987, 9)

monthday(my_birthday)

(9, 13)

yearmonthday(my_birthday)

(1987, 9, 13)

也能了解该日期是一周的第几天和其他方便的应用：

dayofweek(my_birthday)

dayname(my_birthday)

Sunday

dayofweekofmonth(my_birthday)

是的，Jose 出生在 9 月的第 2 个星期日。

NOTE: 如下是一个从 Dates 实例中提取工作日的便捷提示。对 dayofweek(your_date) <= 5 使用 filter。也可以使用 BusinessDays.jl 包进行工作日相关的操作。

3.5.1.4 日期操作

可以对 Dates 实例进行多种操作。例如，可以对一个 Date 或 DateTime 实例增加天数。请注意，Julia 的 Dates 将自动地对闰年以及 30 天或 31 天的月份执行必要的调整(这称为日历算术)。

my_birthday + Day(90)

1987-12-12

我们想加多少天就加多少天：

my_birthday + Day(90) + Month(2) + Year(1)

1989-02-11

可能你想知道：“还能用 Dates 做些什么？还有哪些可用的方法？”，则可以使用 methodswith 检索这些方法。这里只展示前 20 条结果：

first(methodswith(Date), 20)

[1] show(io::IO, dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/io.jl:736
[2] show(io::IO, ::MIME{Symbol("text/plain")}, dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/io.jl:734
[3] DateTime(dt::Date, t::Time) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/types.jl:403
[4] Day(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/periods.jl:36
[5] Month(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/periods.jl:36
[6] Quarter(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/periods.jl:36
[7] Week(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/periods.jl:36
[8] Year(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/periods.jl:36
[9] firstdayofmonth(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:84
[10] firstdayofquarter(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:157
[11] firstdayofweek(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:52
[12] firstdayofyear(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:119
[13] lastdayofmonth(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:100
[14] lastdayofquarter(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:180
[15] lastdayofweek(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:68
[16] lastdayofyear(dt::Date) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/adjusters.jl:135
[17] +(dt::Date, t::Time) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/arithmetic.jl:19
[18] +(dt::Date, y::Year) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/arithmetic.jl:27
[19] +(dt::Date, z::Month) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/arithmetic.jl:54
[20] +(x::Date, y::Quarter) in Dates at /opt/hostedtoolcache/julia/1.7.3/x64/share/julia/stdlib/v1.7/Dates/src/arithmetic.jl:73

由上可知，也能使用加 + 和减 - 运算符。让我们看看 Jose 的年龄，以天为单位：

today() - my_birthday

12993 days

Date 类型的 默认持续时间 是 Day 实例。而对于 DateTime 类型，默认持续时间是 Millisecond 实例。

DateTime(today()) - DateTime(my_birthday)

1122595200000 milliseconds

3.5.1.5 日期区间

关于 Dates 模块的一个好处是，可以轻松地构造 日期和时间区间。 Julia 足够聪明，因此不用去定义在 Section 3.3.6 中讨论的整个区间类型和操作。它只需将为 range 定义的函数和操作扩展到 Date 类型。这就是在 为什么选择 Julia? (Section 2) 中讨论过的多重派发。

例如，假设想要创建一个 Day 区间。这可以轻松地通过冒号 : 运算符实现：

Date("2021-01-01"):Day(1):Date("2021-01-07")

2021-01-01

2021-01-02

2021-01-03

2021-01-04

2021-01-05

2021-01-06

2021-01-07

使用 Day(1) 作为间隔没有什么特别的，可以使用 任意的 Period 类型 作为间隔。比如，使用 3 天作为间隔：

Date("2021-01-01"):Day(3):Date("2021-01-07")

2021-01-01

2021-01-04

2021-01-07

又或者是月份：

Date("2021-01-01"):Month(1):Date("2021-03-01")

2021-01-01

2021-02-01

2021-03-01

注意， 这个区间的类型是内含 Date 和具体 Period 类型的StepRange，其中 Period 用于作为间隔：

date_interval = Date("2021-01-01"):Month(1):Date("2021-03-01")
typeof(date_interval)

StepRange{Date, Month}

可以使用 collect 函数将它转换为向量：

collected_date_interval = collect(date_interval)

2021-01-01

2021-02-01

2021-03-01

并具有全部的可用数组功能，例如索引：

collected_date_interval[end]

2021-03-01

也可以在 Date 向量中实现 日期操作的广播 ：

collected_date_interval .+ Day(10)

2021-01-11

2021-02-11

2021-03-11

同理，这些例子也适用于 DateTime 类型。

3.5.2 随机数

Random 模块是另一重要的 Julia 标准库模块。这个模块的用途是 生成随机数。 Random 是功能丰富的库，如果感兴趣，可以阅读查看 Julia’s Random documentation 了解更多信息。接下来只讨论三个函数： rand， randn 和 seed!。

在开始前，首先导入 Random 模块。先精确地导入想使用的方法：

using Random: seed!

主要有 两个生成随机数的函数：

rand: 在某种数据结构或类型的元素中做随机抽样。
randn: 在标准正态分布（平均值 0 和标准差 1）中做随机抽样。

3.5.2.1 `rand`

默认情况下，可以不带参数地调用 rand ，那么它就会返回一个位于区间 \([0, 1)\) 的 Float64 随机数，该区间表示随机数的范围是 0 （包含）到 1 （排除）之间：

rand()

0.5472610402388031

可以使用多种方式更新 rand 的参数。假设，想要获得多个随机数：

rand(3)

[0.6442845707984299, 0.9537070902408753, 0.6414686524597824]

或者，想在不同的区间抽样：

rand(1.0:10.0)

5.0

也可以给区间指定步长，甚至可以在不同的类型间抽样。这里使用不带点 . 的数字，所以 Julia 会将它们解释为 Int64 而不是 Float64：

rand(2:2:20)

还可以组合和匹配参数：

rand(2:2:20, 3)

[14, 2, 16]

它还支持元素集构成的元组：

rand((42, "Julia", 3.14))

3.14

也支持数组：

rand([1, 2, 3])

还可以是 Dict：

rand(Dict(:one => 1, :two => 2))

:one => 1

最后要讨论的 rand 参数选项是，使用数字元组指定随机数的维度。如果执行此操作，那么返回类型将会变为数组。例如，如下是由 1.0-3.0 间的 Float64 随机数构成的 2x2 矩阵：

rand(1.0:3.0, (2, 2))

2×2 Matrix{Float64}:
 1.0  2.0
 1.0  3.0

3.5.2.2 `randn`

randn 遵循与 rand 相同的生成原理，但现在它只返回从 标准正态分布 中生成的随机数。标准正态分布是平均值为 0 和标准差为 1 的正态分布。其默认类型为 Float64，并且只接受 AbstractFloat 或 Complex 的子类型：

randn()

0.8745900593519551

可以仅指定大小：

randn((2, 2))

2×2 Matrix{Float64}:
  1.14953    -0.094474
 -0.0142581   0.162549

3.5.2.3 `seed!`

在 Random 概述的结尾部分，我们接下来讨论 重现性。我们经常需要让某些事能够 可复现。这意味着，随机数生成器要每次 生成相同的随机数序列。这可以通过 seed! 函数实现：

seed!(123)
rand(3)

[0.521213795535383, 0.5868067574533484, 0.8908786980927811]

seed!(123)
rand(3)

[0.521213795535383, 0.5868067574533484, 0.8908786980927811]

在一些例子中，在脚本开头调用 seed! 是不够好的。为了避免 rand 或 randn 依赖全局变量，那么可以转而定义一个 seed! 的实例，然后将它传递给 rand 或 randn 的第一个参数。

my_seed = seed!(123)

Random.TaskLocalRNG()

rand(my_seed, 3)

[0.521213795535383, 0.5868067574533484, 0.8908786980927811]

randn(my_seed, 3)

[-0.21766510678354617, 0.4922456865251828, 0.9809798121241488]

NOTE: 请注意，对于不同的版本，这些数字可能会有所不同。若要在不同的版本获得稳定的随机数流，请使用 StableRNGs.jl 库。

3.5.3 Downloads

最后一个要讨论的 Julia 标准库是 Downloads 模块。这部分相当简短，因为只关注单个函数 download。

假设想要 从互联网上下载文件到本地。这可以用通过 download 函数实现。最简单情况下，仅仅需要一个参数，那就是文件的 url。还可以指定第二个参数作为下载文件的输出路径 (不要忘记文件系统的最佳实践!)。如果不指定第二个参数，默认情况下，Julia 将使用 tempfile 函数创建一个临时文件。

首先导入 Downloads 模块：

using Downloads

例如，下载 JuliaDataScience GitHub 仓库的 Project.toml 文件。注意，Downloads 模块并没有导出 download 函数，因此需要使用语法 Module.function 。默认情况下，它返回一个包含下载文件本地路径的字符串：

url = "https://raw.githubusercontent.com/JuliaDataScience/JuliaDataScience/main/Project.toml"

my_file = Downloads.download(url) # tempfile() being created

/tmp/jl_L449TK

可以使用 readlines 查看下载文件的前四行：

readlines(my_file)[1:4]

4-element Vector{String}:
 "name = \"JDS\""
 "uuid = \"6c596d62-2771-44f8-8373-3ec4b616ee9d\""
 "authors = [\"Jose Storopoli\", \"Rik Huijzer\", \"Lazaro Alonso\"]"
 ""

NOTE: 对于更复杂的 HTTP 交互过程，例如与 web API 交互，请使用 HTTP.jl 包。

3.4 文件系统 ← → 4 DataFrames.jl

CC BY-NC-SA 4.0 Jose Storopoli, Rik Huijzer, Lazaro Alonso, 刘贵欣 (中文翻译), 田俊（中文审校）