概述

Julia是一门新兴的科学计算语言，它的设计目标非常宏大：希望 Julia 可以同时拥有 Python/MATLAB 一样的易用性和 C/C++/Fortran 一样的运算效率。

Julia有很多与众不同的特点：

  • 从计算效率的角度，虽然和Python在使用时很相似，但是Julia的计算效率却比Python高很多。Python的科学计算模块Numpy等必须依赖于C/C++编写的底层库，但是Julia自身就可以提供足够的科学计算能力（主要是通过预编译实现的）。
  • 从语法设计的角度，Python并没有关注于科学计算编程中的便利性，Julia和MATLAB、Fortran、R语言的定位类似，充分为科学计算的效率和便利性考虑，提供了足够多的语法糖。这些语法糖其实有利有弊，一个典型的特征是索引从0还是从1开始，选择从1开始的语言具有明显的科学计算定位。
  • 作为一种新兴语言，采用了很多较新颖的语法设计，比如抛弃了传统的面向对象编程，仅支持C风格的结构体等。

但是Julia还是有很多争议的，比如：

  • Julia的发展时间太短了，主要的语法特性并不稳定；
  • 各种基础库不如其它语言全面和健壮，甚至有的基础库还存在低级问题；
  • 用户群体相比其他语言太小，相应的教程和第三方库也不够丰富。

综合考虑，还是简单学习一下吧。

与 MATLAB/Python 的语法对比

Julia 的语法非常像 Python(Numpy) 和 MATLAB 的缝合怪，主要呈现如下特征：

  • Julia 舍弃了 MATLAB 在语法设计上的很多历史包袱；
  • Julia 的设计目标并不是 Python 那样的通用语言，专门针对科学计算进行了很多语法设计，提供了很多语法糖，语句更加简洁；
  • 虽然都属于动态语言，但是 Julia 为了实现高效运算，在语法设计上相比于 Python/MATLAB 更加“静态”化。

为了避免混淆，在学习 Julia 之前非常有必要了解一下它们的主要差异（下面对于 Python 的讨论默认包含 Numpy）。

Julia 有很多内容与 MATLAB 非常类似，与 Python 则有明显差异：

  • 关于语法结构：Julia 使用 end 标记结束，而不是像Python一样完全依赖代码缩进，Julia对代码缩进并不敏感。
  • 关于索引和切片：
    • Julia 索引从 0 开始（Python 索引从 1 开始）；
    • Julia 使用 end 代表最后的元素（Python 使用 -1 代表最后的元素）
    • Julia 的切片语法为 start:step:stop，步长在中间，范围是严格闭区间（Python 切片语法是 start:stop:step，步长在最后，范围是左闭右开）
    • Julia 的切片语法比较严格，不允许缺省起点终点，例如a[2:end]不可以省略end
    • Numpy 的高级索引非常奇怪（不是张量积），Julia 在类似情况采用了与 MATLAB 相似的处理。
  • 关于数组底层：Julia 采用列优先排序，Numpy 主要采用行优先排序。
  • 关于矩阵操作：
    • Julia 使用 * 可以直接进行矩阵乘法，而 Python 需要使用 @。
    • Julia 使用 ' 表示转置，而 Python 则需使用 .T。

Julia 有很多内容与 Python 非常类似，与 MATLAB 则有明显差异：

  • 关于语句结束：Julia 的语句不鼓励使用 ; 结束，但是使用并不报错，（除了在 REPL 中）并不会像 MATLAB 那样自动打印语句的结果。
  • 关于注释：Julia 使用 # 表示注释，MATLAB 则使用 % 表示注释。
  • 关于数据类型：
    • Julia 对于整数和浮点数等的区分比较严格，在实际运算时可能自动转换，也可能需要显式转换。
    • Julia 的整数类型通常是固定位数的，并不是 Python 那样的任意精度整数，这主要是为了运算效率考量。
    • MATLAB 几乎不需要关注数据类型，绝大多数情况下使用默认的浮点数即可。
  • 关于数组操作：
    • Julia 使用 a[i,j] 访问数组元素，而 MATLAB 使用 a(i,j)。
    • Julia 中的数组尺寸相对固定，不允许在赋值过程中自动增长数组。
  • 关于拷贝机制：Julia 在赋值和传参过程中并不会发生拷贝，存在浅拷贝和视图等复杂机制，MATLAB 则采用值传递+懒拷贝机制。
  • 关于空值：Julia 使用 nothing 专门表示空值，MATLAB 则通常使用 []。
  • 关于函数：
    • Julia 支持函数参数默认值，但是 Python 的默认值求值只发生在定义时，Julia的默认值求值发生在每一次调用时。
    • Julia 关于关键字参数，但是 Python 允许以位置参数传递，Julia 严格区分位置参数和关键字参数的使用。
    • MATLAB 并不直接支持参数默认值和关键字参数，需要通过其它技巧实现。

Julia 还有一些内容介于 MATLAB 和 Python 之间：

  • 关于列表或数组：Julia 提供的 Vector{Any} 数组比较高效，Python 的原生列表灵活但非常缓慢，Numpy 数组则比较类似。
  • 关于字面量：
    • Julia 将整数字面量例如 42 视作合适位数的整数类型，Python 统一视作任意精度整数，MATLAB 则统一视作浮点数。
    • Julia 的复数单位为 im，MATLAB的复数单位为 i 和 j，Python的复数单位只有 j。
    • Julia 只支持双引号的字符串，Python 单引号和双引号均可，MATLAB 的单引号是字符数组，双引号则是字符串，两者属于不同类型。
  • 关于运算符：
    • Julia 支持 += 等运算符，但是与 Numpy 数组不同，默认情况下并不是就地运算，MATLAB 完全不支持这类运算符。
    • Julia 有很多专门的逐点运算符，并且在语法上严格区分普通运算符和驻点运算符，比 MATLAB 和 Python 的处理都更加严格。
    • Julia 使用 ^ 表示指数运算，与 MATLAB 相同，而 Python 使用 **。
    • Julia 使用 != 表示不等号，而 MATLAB 使用 ~=。
    • Julia 使用 % 表示取余，Python 使用 % 表示模运算，两者在处理负数时存在差异。（MATLAB 的 % 用于表示注释）
    • Julia 支持三元运算符 x > 0 ? 1 : -1，MATLAB 不支持，Python 则有类似的条件表达式 1 if x > 0 else -1。
  • 关于布尔值：Julia 在 if 语句等只能使用显式的布尔值，或者将其它语句显式转换为布尔值，甚至不支持 0 和 1 的隐式转换，而 MATLAB 和 Python 允许很多情况下的隐式转换。
  • 关于续行：Julia 不需要续行语法，不完整的表达式会自动续行，MATLAB 使用 ... 续行，Python 使用 \ 续行。
  • 关于代码作用域：Julia 的大多数代码块都会引入新的局部作用域（与 C/C++ 类似），比 Python 的情况更多，而 MATLAB 除了默认的工作区之外，几乎只有函数可以开辟独立的工作区。
  • ans：
    • 在 REPL 中，Julia 使用 ans 存储上一条命令的结果，MATLAB 也使用 ans，Python 则使用 _。
    • 在非交互式模式中，Julia 和 Python 都不会专门存储上一条命令结果，而 MATLAB 总是会设置。
  • 关于面向对象：Julia 完全舍弃了面向对象，结构体只能用于存储数据，并且不能动态修改，MATLAB 和 Python 都支持面向对象机制。
  • 关于函数调用：
    • Julia 为所有函数提供了动态分派机制（类似于函数重载？其实更类似于C++的虚函数），MATLAB 有类似的动态重载机制，Python 不支持函数重载。
    • Julia 即使无参数的函数调用也不允许省略括号，例如 rand()（也只有MATLAB才有这种垃圾语法）
  • 关于 for 循环和向量化：
    • MATLAB 和 Python 的 for 循环非常慢，通常必须使用向量化语法；
    • Julia 直接采用 for 循环已经足够高效，但是也支持向量化。
  • 关于全局变量：全局变量的存在对于运算效率的影响都是负面的，尤其对于 Julia 的 for 循环影响很大。
  • 关于函数返回值：
    • Julia 可以使用 return 关键字返回结果，或者将最后一个表达式自动返回；
    • Python 使用 return 关键字返回结果，否则在缺省时只会返回 None；
    • MATLAB 必须在函数定义时声明返回值，return 语句完全不携带返回值，只是提前结束。

除此之外，Julia 还有一些参考其它语言（例如 Lisp）的语法：

  • 完全支持 Unicode 字符，包括中文和其它各种特殊符号；
  • 支持名称为@开头的宏，并且宏的功能并不是类似于C语言中简单文本替换，而是支持更复杂的代码转换；
  • 按照约定，如果在函数名称的结尾有!（这是函数名称的一部分），表示这个函数会修改参数，例如push!。