QuantEcon/QuantEcon.jl

random_stochastic_matrix and random_markov_chain support sparse output

Open

#102 创建于 2016年3月17日

在 GitHub 查看
 (0 评论) (0 反应) (0 负责人)Julia (495 star) (300 fork)batch import
enhancementhelp wanted

描述

This might look like this:

random_markov_chain{T}(n::Int, k::Int=n, ::Type{Matrix{T}})  # ==> return dense array
random_markov_chain{T}(n::Int, k::Int=n, ::Type{SparseMatrixCSC{Int,T}})  # ==> return sparse array

Also, having Union{Int,Void} shouldn't be necessary here as it is in python because default arguments can depend on one another. (e.g. def f(n, k=n): is n't possible in python but function f(n, k=n) is possible in Julia)

贡献者指南

技术栈
无
领域
dataperformance
议题类型
feature
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
2
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-3 hours
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
stale
清晰度议题是否清楚说明期望改动、验收标准和下一步。
clear
前置要求
Julia fundamentalsSparse matrix conceptsQuantEcon.jl codebase
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
75
研究方向
Identify the current implementation of random stochastic matrix and random markov chain in the codebase (likely in src/random.jl). Extend each function by adding a method that accepts a type parameter for sparse output, e.g., ::Type{SparseMatrixCSC{Int,T}}. Use sparse constructors to build the output. Remove any unnecessary Union{Int,Void} types in function signatures. Test the new functionality with both dense and sparse output types.