Julia 與其他語(yǔ)言的區(qū)別

與其它語(yǔ)言的區(qū)別

與 MATLAB 的區(qū)別

Julia 的語(yǔ)法和 MATLAB 很像。但 Julia 不是簡(jiǎn)單地復(fù)制 MATLAB ，它們有很多句法和功能上的區(qū)別。以下是一些值得注意的區(qū)別：

• 數(shù)組用方括號(hào)來(lái)索引， A[i,j]
• 數(shù)組是用引用來(lái)賦值的。在 A=B 之后，對(duì) B 賦值也會(huì)修改 A
• 使用引用來(lái)傳遞和賦值。如果一個(gè)函數(shù)修改了數(shù)組，調(diào)用函數(shù)會(huì)發(fā)現(xiàn)值也變了
• Matlab 把賦值和分配內(nèi)存合并成了一個(gè)語(yǔ)句。比如： a(4) = 3.2 會(huì)創(chuàng)建一個(gè)數(shù)組 a = [0 0 0 3.2] ，即為a分配了內(nèi)存并且將每個(gè)元素初始化為0,然后為第四個(gè)元素賦值3.2，而 a(5) = 7 會(huì)為數(shù)組a增加長(zhǎng)度，并且給第五個(gè)元素賦值7。 Julia 把賦值和分配內(nèi)存分開(kāi)了： 如果 a 長(zhǎng)度為4, a[5] = 7 會(huì)拋出一個(gè)錯(cuò)誤。 Julia 有一個(gè)專用的 push! 函數(shù)來(lái)向 Vectors 里增加元素。并且遠(yuǎn)比Matlab的 a(end+1) = val 來(lái)的高效。
• 虛數(shù)單位 sqrt(-1) 用 im 來(lái)表示
• 字面上的數(shù)字如果沒(méi)有小數(shù)點(diǎn)，則會(huì)被默認(rèn)為整數(shù)類型而不是浮點(diǎn)類型。且支持任意長(zhǎng)度的整數(shù)類型。但是這也意味著一些如2^-1的表達(dá)式因?yàn)椴皇钦蕉鴴伋鲆粋€(gè)異常。
• Julia 有一維數(shù)組。列向量的長(zhǎng)度為 N ，而不是 Nx1 。例如， rand(N) 生成的是一維數(shù)組
• 使用語(yǔ)法 [x,y,z] 來(lái)連接標(biāo)量或數(shù)組，連接發(fā)生在第一維度（“垂直”）上。對(duì)于第二維度（“水平”）上的連接，需要使用空格，如 [x y z] 。 要想構(gòu)造塊矩陣，盡量使用語(yǔ)法 [a b; c d]
• a:b 和 a:b:c 中的冒號(hào)，用來(lái)構(gòu)造 Range 對(duì)象。使用 linspace 構(gòu)造一個(gè)滿向量，或者通過(guò)使用方括號(hào)來(lái)“連接”范圍，如 [a:b]
• 函數(shù)返回須使用 return 關(guān)鍵字，而不是把它們列在函數(shù)定義中
• 一個(gè)文件可以包含多個(gè)函數(shù)，文件被載入時(shí)，所有的函數(shù)定義都是外部可見(jiàn)的
• sum, prod, max 等約簡(jiǎn)操作，如果被調(diào)用時(shí)參數(shù)只有一個(gè)，作用域是數(shù)組的所有元素，如 sum(A)
• sort 等函數(shù)，默認(rèn)按列方向操作。（ sort(A) 等價(jià)于 sort(A,1) ）。要想排序 1xN 的矩陣，使用 sort(A,2)
• 如果 A 是 2 維數(shù)組, fft(A) 計(jì)算的是 2 維 FFT. 尤其注意的是, 它不等效于 fft(A,1), 后者計(jì)算的是按列的 1 維 FFT.
• 即使是無(wú)參數(shù)的函數(shù)，也要使用圓括號(hào)，如 tic() 和 toc()
• 表達(dá)式結(jié)尾不要使用分號(hào)。表達(dá)式的結(jié)果不會(huì)自動(dòng)顯示（除非在交互式提示符下）。 println 函數(shù)可以用來(lái)打印值并換行
• 若 A 和 B 是數(shù)組， A == B 并不返回布爾值數(shù)組。應(yīng)該使用 A .== B 。其它布爾值運(yùn)算符可以類比， <, >, != 等
• 符號(hào) & 、| 和 $ 表示位運(yùn)算“和”、“或”以及“異或”。它們和python中的位運(yùn)算符有著相同的運(yùn)算符優(yōu)先級(jí)，和c語(yǔ)言中的位運(yùn)算符優(yōu)先級(jí)并不一樣。 它們能被應(yīng)用在標(biāo)量上或者應(yīng)用在兩個(gè)數(shù)組間（對(duì)每個(gè)相同位置的元素分別進(jìn)行邏輯運(yùn)算，返回一個(gè)由結(jié)果組成的新數(shù)組）。 值得注意的是它們的運(yùn)算符優(yōu)先級(jí)，別忘了括號(hào): 如果想要判斷變量 A 是等于1還是2, 要這樣寫(xiě) (A .== 1) | (A .== 2) 。
• 可以用 ... 把集合中的元素作為參數(shù)傳遞給函數(shù)，如 xs=[1,2]; f(xs...)
• Julia 中 svd 返回的奇異值是向量而不是完整的對(duì)角矩陣
• Julia 中 ... 不用來(lái)將一行代碼拆成多行。Instead, incomplete expressions automatically continue onto the next line.
• 變量 ans 是交互式會(huì)話中執(zhí)行的最后一條表達(dá)式的值；以其它方式執(zhí)行的表達(dá)式的值，不會(huì)賦值給它
• Julia 的 type 類型和Matlab中的 classes 非常接近。Matlab 中的 structs 行為介于 Julia 的 types 和 Dicts 之間。如果你想添加一個(gè)域在 strut 中，使用 Dict 會(huì)比 type 好一些。

與 R 的區(qū)別

Julia 也想成為數(shù)據(jù)分析和統(tǒng)計(jì)編程的高效語(yǔ)言。與 R 的區(qū)別：

• 使用 = 賦值，不提供 <- 或 <<- 等箭頭式運(yùn)算符
• 用方括號(hào)構(gòu)造向量。Julia 中 [1, 2, 3] 等價(jià)于 R 中的 c(1, 2, 3)
• Julia 的矩陣運(yùn)算比 R 更接近傳統(tǒng)數(shù)學(xué)語(yǔ)言。如果 A 和 B 是矩陣，那么矩陣乘法在 Julia 中為 A * B ， R 中為 A %*% B 。在 R 中，第一個(gè)語(yǔ)句表示的是逐元素的 Hadamard 乘法。要進(jìn)行逐元素點(diǎn)乘，Julia 中為 A .* B
• 使用 ' 運(yùn)算符做矩陣轉(zhuǎn)置。 Julia 中 A' 等價(jià)于 R 中 t(A)
• 寫(xiě) if 語(yǔ)句或 for 循環(huán)時(shí)不需要寫(xiě)圓括號(hào)：應(yīng)寫(xiě) for i in [1, 2, 3] 而不是 for (i in c(1, 2, 3)) ；應(yīng)寫(xiě) if i == 1 而不是 if (i == 1)
• 0 和 1 不是布爾值。不能寫(xiě) if (1) ，因?yàn)?if 語(yǔ)句僅接受布爾值作為參數(shù)。應(yīng)寫(xiě)成 if true
• 不提供 nrow 和 ncol 。應(yīng)該使用 size(M, 1) 替代 nrow(M) ；使用 size(M, 2) 替代 ncol(M)
• Julia 的 SVD 默認(rèn)為非 thinned ，與 R 不同。要得到與 R 一樣的結(jié)果，應(yīng)該對(duì)矩陣 X 調(diào)用 svd(X, true)
• Julia 區(qū)分標(biāo)量、向量和矩陣。在 R 中， 1 和 c(1) 是一樣的。在 Julia 中，它們完全不同。例如若 x 和 y 為向量，則 x' * y 是一個(gè)單元素向量，而不是標(biāo)量。要得到標(biāo)量，應(yīng)使用 dot(x, y)
• Julia 中的 diag() 和 diagm() 與 R 中的不同
• Julia 不能在賦值語(yǔ)句左側(cè)調(diào)用函數(shù)：不能寫(xiě) diag(M) = ones(n)

• Julia 不贊成把 main 命名空間塞滿函數(shù)。大多數(shù)統(tǒng)計(jì)學(xué)函數(shù)可以在 擴(kuò)展包中找到，比如 DataFrames 和 Distributions 包：

  • Distributions 包提供了概率分布函數(shù).
  • DataFrames 包提供了數(shù)據(jù)框架
  • GLM 擴(kuò)展包提供了廣義的線性模型.
• Julia 提供了多元組和哈希表，但不提供 R 的列表。當(dāng)返回多項(xiàng)時(shí)，應(yīng)該使用多元組：不要使用 list(a = 1, b = 2) ，應(yīng)該使用 (1, 2)
• 鼓勵(lì)自定義類型。Julia 的類型比 R 中的 S3 或 S4 對(duì)象簡(jiǎn)單。Julia 的重載系統(tǒng)使 table(x::TypeA) 和 table(x::TypeB) 等價(jià)于 R 中的 table.TypeA(x) 和 table.TypeB(x)
• 在 Julia 中，傳遞值和賦值是靠引用。如果一個(gè)函數(shù)修改了數(shù)組，調(diào)用函數(shù)會(huì)發(fā)現(xiàn)值也變了。這與 R 非常不同，這使得在大數(shù)據(jù)結(jié)構(gòu)上進(jìn)行新函數(shù)操作非常高效
• 使用 hcat 和 vcat 來(lái)連接向量和矩陣，而不是 c, rbind 和 cbind
• Julia 的范圍對(duì)象如 a:b 與 R 中的定義向量的符號(hào)不同。它是一個(gè)特殊的對(duì)象，用于低內(nèi)存開(kāi)銷的迭代。要把范圍對(duì)象轉(zhuǎn)換為向量，應(yīng)該用方括號(hào)把范圍對(duì)象括起來(lái) [a:b]
• max和min等價(jià)于 R 語(yǔ)言中的pmax和pmin。但是所有的參數(shù)都應(yīng)該有相同的維度。而且 maximum, minimum 可以替代 R 語(yǔ)言的 max and min ，這是最大的區(qū)別。
• 函數(shù) sum, prod, maximum, minimum和 R 語(yǔ)言中的同名函數(shù)并不相同。它們接收一個(gè)或者兩個(gè)參數(shù)。第一個(gè)參數(shù)是集合，例如一個(gè) array，如果有第二個(gè)參數(shù)，這個(gè)參數(shù)可以指明數(shù)據(jù)的維度，除此之外操作相似。比如，讓 Julia 中的 A=[[1 2],[3,4]] 和 R 中的 B=rbind(c(1,2),c(3,4))比較會(huì)是一個(gè)矩陣。 接著 sum(A) 和sum(B)會(huì)有相同的結(jié)果, 但是 sum(A,1) 是一個(gè)包含一列和的行向量，而 sum(A,2) 是一個(gè)包含行和的列向量. 如果第二個(gè)參數(shù)是向量，如 sum(A,[1,2])=10， 需要確保第二參數(shù)沒(méi)有問(wèn)題。
• Julia 有許多函數(shù)可以修改它們的參數(shù)。例如， sort(v) 和 sort!(v) 函數(shù)中，帶感嘆號(hào)的可以修改 v
• colMeans() 和 rowMeans(), size(m, 1) 和 size(m, 2)
• 在 R 中，需要向量化代碼來(lái)提高性能。在 Julia 中與之相反：使用非向量化的循環(huán)通常效率最高
• 與 R 不同，Julia 中沒(méi)有延時(shí)求值
• 不提供 NULL 類型
• Julia 中沒(méi)有與 R 的 assign 或 get 所等價(jià)的語(yǔ)句

與 Python 的區(qū)別

• 對(duì)數(shù)組、字符串等索引。Julia 索引的下標(biāo)是從 1 開(kāi)始，而不是從 0 開(kāi)始
• 索引列表和數(shù)組的最后一個(gè)元素時(shí)，Julia 使用 end ，Python 使用 -1
• Julia 中的 Comprehensions （還）沒(méi)有條件 if 語(yǔ)句
• for, if, while, 等塊的結(jié)尾需要 end ；不強(qiáng)制要求縮進(jìn)排版
• Julia 沒(méi)有代碼分行的語(yǔ)法：如果在一行的結(jié)尾，輸入已經(jīng)是個(gè)完整的表達(dá)式，就直接執(zhí)行；否則就繼續(xù)等待輸入。強(qiáng)迫 Julia 的表達(dá)式分行的方法是用圓括號(hào)括起來(lái)
• Julia 總是以列為主序的（類似 Fortran ），而 numpy 數(shù)組默認(rèn)是以行為主序的（類似 C ）。如果想優(yōu)化遍歷數(shù)組的性能，從 numpy 到 Julia 時(shí)應(yīng)改變遍歷的順序。