从 MATLAB 进展到 Julia

moontaha123@

在高度颠覆性的数据科学世界中，没有什么是永恒的。每次新工具和软件的出现，它们都有可能挑战技术现状。这种动态在编程语言领域尤其明显。有很多非常适合数据科学的编程语言。虽然数据空间目前由少数非常流行的编程语言主导，但其他据称更强大的新语言正在获得发展势头。最有希望的例子之一是朱莉娅。 Julia 于 2012 年首次发布，堪称数据科学的后起之秀。尽管相对较新，Julia 已经以其高性能和无与伦比的计算速度给数值计算界留下了深刻的印象。多年来，Julia 已经日趋成熟，如今它被普遍称为数据科学和人工智能的 “未来语言”之一。 开始学习 Julia 有很多令人信服的理由。但是，转换路径可能会有所不同，具体取决于您熟悉的编程语言。虽然大多数文章和课程重点介绍如何从MATLAB过渡到数据科学中两种最流行的语言（Python 和 R）中的任何一种，但为有兴趣升级到 Julia 的其他编程语言的用户提供资源也很重要。

本文的目标是向 MATLAB 程序员介绍 Julia。我们将研究两种语言之间的差异和相似之处，并提供一些从 MATLAB 迁移到 Julia 进行数据分析和可视化的技巧。让我们开始吧！ MATLAB 有何用途？ MATLAB 是一种专门为数值计算而设计的编程语言。自1984年推出以来缩写）已在学术界和科学研究中广泛采用。尽管相对较老，它仍然是一种非常流行的编程语言。指数和TIOBE指数中均排名第14位。 MATLAB 语言擅长执行高级计算任务，包括高级数学和统计运算。该语言还包括   法国手机号码清单 绘图和算法实现功能，使其成为数据科学的完美候选者。 然而，MATLAB 也有一个重要的警告：它是一个专有工具。这意味着，除非您的附属机构授予您访问权限（学术环境中经常出现这种情况），否则您可能需要支付大量费用才能获得许可证。另外，由于用户无法访问其源代码，因此可能很难理解 MATLAB 的某些功能是如何工作的。 与您可以免费使用的其他编程语言相比，这些因素可能会降低 MATLAB 的吸引力。



朱莉娅有什么用？ 任何创新的背后都是改进或超越当时主导技术的愿望。这是 Julia 背后的驱动力，它从一些最强大的编程语言中汲取灵感。正如该语言的创始人  Shah 在一篇文章中解释他们创建 Julia 的原因时所说： “我们想要一种开源的、具有自由许可证的语言。我们想要C的速度和Ruby的活力。我们想要一种同像的语言，具有像 Lisp 这样的真正的宏，但具有像Matlab这样明显、熟悉的数学符号。我们想要像Python一样适用于一般编程，像R一样易于统计，像Perl一样自然地进行字符串处理，像Matlab一样强大的线性代数功能，像shell一样善于将程序粘合在一起。这是非常简单易学的东西，但却让最认真的黑客感到高兴。我们希望它具有交互性，并且我们希望它能够被编译。