valarray：被冷落的C++数值计算轻骑兵

你有没有试过用std::vector做一连串元素级数学运算？比如对一万个浮点数统一乘以0.8、再加2.5、最后取绝对值——写三层for循环？或者堆叠std::transform加lambda？那一刻，你大概率没意识到：C++标准库里其实躺着一个专为这事设计的类型：std::valarray。

它不常被提起，不是因为它弱，而是太“克制”：不支持迭代器、不兼容STL算法、不能直接用auto it = begin(v)。但当你需要批量、同构、可预测的数值变换时，valarray的表达力与性能往往比手写循环更干净，比vector + transform更贴近数学直觉。

先看一个真实场景：信号处理中常见的归一化操作——把一段采样数据缩放到[-1, 1]区间。用vector写，得先遍历找最大最小值，再遍历做线性映射；而valarray两行搞定：

std::valarray<double> data = /* 10000个采样点 */;
double min_val = data.min(), max_val = data.max();
data = 2.0 * (data - min_val) / (max_val - min_val) - 1.0;

注意：data.min()和data.max()是成员函数，不是算法；data - min_val是逐元素减法，返回新valarray；整个表达式没有临时vector，没有显式循环，语义即实现。

这背后是valarray的设计哲学：它把数组当作一个可运算的数学对象，而非容器。所以它重载了全部算术运算符（+, -, *, /, %）、比较运算符（==, <等），还支持sin, sqrt, pow等数学函数的直接调用——这些都不是自由函数，而是valarray的成员函数或非成员重载，确保零拷贝语义（只要编译器优化到位）。

有人会问：那它和std::span或std::mdspan有什么区别？关键在所有权与计算契约。span只是视图，不做计算；mdspan面向多维，接口更重；而valarray自带内存管理，且所有运算默认生成新数组——这是有意为之的不可变性设计。它不鼓励原地修改，反而让链式计算更安全。比如：

auto filtered = sqrt(abs(signal - baseline)) * gain;
// signal、baseline、gain 都是 valarray，abs/sqrt/* 全部自动广播

这里abs作用于差值数组，sqrt作用于绝对值结果，* gain执行标量广播——广播规则天然存在，无需手动std::transform或for推导索引。这种“向量化直觉”，正是数值程序员真正需要的呼吸感。

当然，它也有边界。valarray不支持push_back、不提供capacity()、不能用std::sort——它压根不是通用容器。它的强项在固定尺寸、同质类型、密集计算。如果你要频繁插入删除，选vector；如果要做稀疏矩阵，别碰它；但若你在写物理仿真、音频DSP、图像灰度变换这类任务，valarray的简洁性会省下大量胶水代码。

实战中一个易被忽略的技巧：用std::slice_array和std::gslice做切片计算。比如处理每帧128点的音频，想只对偶数索引位置加增益：

std::valarray<double> frame(128);
// ... 填充数据
auto even_indices = frame[std::slice(0, 64, 2)]; // 起始0，长度64，步长2
even_indices *= 1.3; // 直接修改原数组对应位置

slice不拷贝数据，而是提供一个代理视图，赋值即回写。这比用for (int i=0; i<128; i+=2)清晰得多，也更容易被编译器向量化。

性能上，现代编译器（GCC 12+、Clang 15+）对valarray表达式能较好地做表达式模板优化（虽然标准未强制要求，但主流实现都做了）。实测在开启-O2时，a = b * c + d这类表达式生成的汇编，与手写SIMD循环几乎一致——尤其当数组长度是2的幂次时，优势更明显。

最后说个真相：valarray不是“过时技术”。它在C++23中依然活跃，且因不依赖分配器、无异常抛出保证（除构造外），在嵌入式或实时系统里反而是更可控的选择。它不炫技，但稳；不时髦，但准。

下次当你又对着vector写第四个transform，不妨停下来，把类型改成valarray。不是为了标新立异，而是让代码的数学意味，真正浮出水面。