Maison > développement back-end > Tutoriel Python > Lequel dois-je apprendre, Python ou Julia ?

Lequel dois-je apprendre, Python ou Julia ?

(*-*)浩
Libérer: 2019-06-18 11:47:20
original
4616 Les gens l'ont consulté

Julia est un langage de programmation dynamique de haut niveau hautes performances pour le calcul scientifique. Sa syntaxe est similaire à celle d’autres langages de calcul scientifique. Dans de nombreux cas, ses performances sont comparables à celles des langages compilés. Julia est un langage flexible et dynamique adapté au calcul scientifique et numérique, avec des performances comparables aux langages traditionnels à typage statique.

Lequel dois-je apprendre, Python ou Julia ?

Un groupe d'utilisateurs avancés de Matlab possédant une riche expérience de programmation dans divers langages n'est pas satisfait des outils de programmation de calcul scientifique existants - ces logiciels sont très spécifiques à leurs domaines d'expertise . Génial, mais terrible dans d’autres domaines. (Apprentissage recommandé : Tutoriel vidéo Python)

Ce qu'ils veulent, c'est un logiciel open source qui soit aussi rapide que le langage C et aussi dynamique que Ruby, il doit être aussi dynamique que Lisp Véritable homoiconicité ; avec des notations mathématiques aussi familières que Matlab ; aussi polyvalentes que Python, aussi pratiques en analyse statistique que R, aussi naturelles que Perl dans le traitement des chaînes et aussi puissantes que Matlab en algèbre linéaire. Puissance de calcul, capacité de coller le langage comme un shell, facile à apprendre sans ennuyer les vrais hackers ; de plus, il doit être interactif et compilé en même temps...

Le projet a démarré à la mi-2009, il est actuellement (février 2012) à 90 %. à partir de la sortie de la version 1.0. Vous pouvez le télécharger et l'essayer sur la page d'accueil du code source.

Actuellement, la communauté chinoise Julia se développe rapidement et des plateformes de questions et réponses telles que la programmation et le développement du langage Julia ont été créées.

Voici son introduction officielle : « Nous voulons un langage open source avec une licence libérale qui ait la vitesse du C et la flexibilité de Ruby. Nous voulons une identité linguistique allant de. de vraies macros comme Lisp aux notations mathématiques familières comme Matlab Nous voulons un langage aussi utilisable pour la programmation générale que Python, aussi simple pour les statistiques que R et aussi naturel pour le traitement des chaînes que Perl, un langage aussi puissant que Matlab pour l'algèbre linéaire. et aussi bon pour coller des programmes ensemble qu'un shell. C'est facile à apprendre, mais cela fait en tomber amoureux les hackers sérieux. Nous espérons que c'est interactif et compilable »

Julia peut tout appeler en Python (JuliaPy/. PyCall.jl), et peut appeler la plupart des R, donc même s'il y a un fardeau historique, vous n'avez pas à vous inquiéter trop, à moins que votre tâche ne soit urgente, juste un mois. Quelque chose à proposer. Car bien que la courbe d'apprentissage de Julia soit fluide, il faut un certain temps pour utiliser Julia pour écrire du code avec de bonnes performances et une abstraction propre. La simplicité de Python est un avantage, mais elle présente aussi des inconvénients.

De plus, la communauté Julia n'a jamais dit qu'elle devait abandonner Python car il n'y a pas de solution miracle. Seulement dans le domaine du calcul scientifique, Julia est actuellement une solution plus appropriée car elle est conçue pour le calcul scientifique. . étudiant, mais dans d'autres domaines, Julia n'a presque aucun avantage. Vous disposez donc également de pyjulia pour vous aider à utiliser Julia en Python. Bien sûr, nous pouvons nous attendre à ce qu'à l'avenir nous utilisions souvent Julia directement sans appeler Python.

Pour plus d'articles techniques liés à Python, veuillez visiter la colonne Tutoriel Python pour apprendre !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal