Julia语言与其他语言的异同

在编写Julia代码的过程中，会发现与其他语言有不少相似之处，例如Matlab、R或Python，但也有着明显的不同。通过与其他语言的对比，我们可以更加深入地理解Julia，也能够在熟悉其他语言的基础上，更快地学习Julia语言。

与Python相比

Python语言与Julia同为动态语言，都有着极为高效简洁的开发风格，主要差异有：

• Julia代码编写格式无要求

众所周知，Python在代码编写时，是需要“游标卡尺”的，格式就是语法规则的一部分，而Julia语言没有这方面的限制，以关键字对（以end结束）形成构造完整的结构。

• Julia中没有Python中的pass关键字
• Julia中对数组、字符串等的索引是从1开始的，而不是像Python等语言那样从0开始。
• 数组Slice索引时，Julia取得最后的元素

在对数组进行slice索引时，Julia按slice结构包括最后一个元素，但在Python最后一个元素并不在slice中。例如Julia中的a[2:3]取得第二个及第三个元素，相当于Python中的a[1:3]，这是有所不同的，需要特别注意。

• Julia不支持负值索引

在对数组索引时，Julia不支持Python中以负值的方式按倒序取得数组中的元素。但Julia可以通过end关键字取得数组中的最后一个元素，并可通过end-n获得倒数n个元素。

• Julia数组采用列序存储，而Python中的NumPy默认采用的则是行序存储方式。
• 运算符%在Julia中是取余操作，在Python中则是取模操作。
• Julia更新运算符不会就地修改原变量

需要注意的是， Julia中的更新运算符与Python有着很大的不同，包括+=，-=等，不会就地修改原变量，例如：

julia> A = [1 1 1 1]

1×4 Array{Int64,2}:

 1  1  1  1



julia> B = A;



julia> B

1×4 Array{Int64,2}:

 1  1  1  1



julia> B += 3

1×4 Array{Int64,2}:

 4  4  4  4



julia> B

1×4 Array{Int64,2}:

 4  4  4  4



julia> A

1×4 Array{Int64,2}:

 1  1  1  1

其中的A并没有被改变，只是B被改变了。运算符+=只是相当于B=B+3操作，在此过程中，B=A建立的引用关系被解除，变量名B被重新绑定到了B+3生成的新数组上。

• Julia参数默认表达式总会重新求值

在函数采用默认参数值的情况下，在函数每次运行时，Julia都会重新执行参数值中的表达式，不像Python那样只运行一次，这会带来很大的不同。例如在Julia中：

julia> f(x =rand()) = x

f (generic function with 2 methods)



julia> f()

0.8382948989948376



julia> f()

0.8835315579456324



julia> f()

0.32548534620112024

函数f()的每一次调用，参数rand()都会被执行，导致结果出现不同。而在Python中，则有着完全不同的表现：

>>> import random

>>> def f(x = random.randint(0,100)):

...   print x

...

>>> f()

24

>>> f()

24

>>> f()

24

可见参数中虽然使用了random生成随机数，但每次f()被调用，返回的都是同一个值，这是因为Python在函数被第一次调用时，参数表中的表达式就会被计算并被固化下来。

所以，如果读者原来熟悉Python，转而学习Julia语言，对这些不同点需要非常的小心，否则很容易出现难以察觉的错误。

​​​​​​​与Matlab相比

Julia与Matlab有不少相似之处，但在功能、句法等方面又有着很多的不同，包括：

• Julia中数组下标采用方括号，而Matlab是圆括号。
• Julia函数传参采用共享机制，复杂结构是引用方式；而Matlab是简单的传值。
• 数组赋值在Julia中只是将原数据绑定到了新的名字，可以认为是新的引用，所以不会像Matlab那样要新建数组并赋值数据。
• Julia不会在对数组元素的赋值时自动增长数组

在Matlab中，a(4) =3.2会自动创建数组a=[0 0 0 3.2]；而a(5)=7时，因5超出a的长度导致a被自动增长，变成 [0 0 0 3.2 7]。但在Julia中，a[5]=7对元素的赋值时，如果5超出a实际长度，会抛出异常。若要对数组增加元素，Julia通过函数push!()或append!()进行，这种方法比Matlab中的a(end+1)=val这种方式更为高效。

• 复数虚部在Julia中的标识符为im，而Matlab采用i或j标识符。
• Matlab默认字面值为浮点数，但Julia会自动判断其最合适的类型。
• Julia有真实的向量结构，而不是通过矩阵模拟。
• 范围表达式在Julia中是独立类型

在Julia中，表达式a:b或a:b:c会构造类型为Range的独立对象，而不会像Matlab那样自动展开为向量。Julia可使用collect()将Range对象变成数组，但在实际使用中一般无需这种转换，因为在大部分情况下其使用与数组是一致的。而且因为懒计算的特点，有着更高的性能。这种对数组有一定代替性的Range对象，在一些函数或迭代操作中极为常用。

• 两者返回结果的方式不同

Julia函数会将最后一个表达式的结果返回，除非有显式的return调用。若结果是多个，Julia则会自动将之组装为Tuple类型；Matlab则采用了nargout变量，描述返回值。

• Julia在运行期间，没有严格的工作目录的概念。
• Julia中排序函数sort()默认按列进行

Julia对数组调用sort(A)等价于sort(A,1)，如果要对1×N数组的所有元素进行排序，使用sort(A)不会获得预期效果，通过sort(A,2)才可以。

• 两者在数组比较运算时有所不同

在Julia中，如果A与B是数组，对它们的逻辑比较操作，如A==B则并不会返回布尔型的数组，给出每个元素的比较结果，而是要用点操作的方式，即A.==B才会得到这样的比较结果。

• 在Julia中，位运算符&（与），|（或）和⊻（异或）分别等价于Matlab中的and操作符、or操作符及xor操作符，但在操作优先级方面略有不同。
• Julia会自动检测跨行的表达式或语句结构，并不采用省略符来连接跨行的表达式。
• 内置变量ans在Matlab的脚本中也会起效，但Julia的脚本中会被忽略。
• Julia中声明的类型无法在运行期间像Matlab的class那样能够动态增加成员。如果涉及，Julia中最好采用Dict类型代替。
• Maltab中只有一个全局作用域，但在Julia中每个模块都有着自己独立的全局作用域及命名空间。
• 两者在过滤数组元素的方式上有所不同

在Matlab中，若要移除数组中不需要的元素，需通过逻辑索引就地修改原数组，例如x(x>3)或x(x>3)=[]选择或去除值>3的元素。在Julia中，提供了专门的高阶函数filter()及filter!()可用于达到此目的，例如可使用filter(z->z>3, x)或filter!(z->z>3,x)实现上述的功能。而且此两个函数能够减少临时内存的使用，有着较高的性能。

​​​​​​​与R相比

相比R语言，Julia在性能方面有着明显的优势。两者在语法及使用上差异主要是：

• 单引号在Julia中用于表达某个字符值，而非是字符串类型。
• R中要获得子字符串，需先将其转换为字符向量，但Julia中可直接以索引的方式取得。
• 取模操作在R中是a %% b，在Julia中则是mod(a,b)，%用于求取余数。
• 创建向量时，Julia的[1,2,3]等效于R中的c(1,2,3)。
• Julia中逻辑索引需原数组维度与阶数一致

在R语言中，c(1, 2, 3, 4)[c(TRUE, FALSE, TRUE, FALSE)]或c(1, 2, 3, 4)[c(TRUE, FALSE)]均可获得c(1, 3)这样的结果。但在Julia中，[1, 2, 3, 4][[true, false]]会抛出BoundsError异常，而[1, 2, 3, 4][[true, false, true, false]]才会获得想要的结果。

• Julia二元运算符操作数均为数组时，维度与阶数需一致

在对两个数组操作时，Julia一般要求它们的维度与阶数一致，例如[1, 2, 3, 4] + [1, 2]这样的表述会抛出错误。而R语言只要求两者重叠即可，即c(1, 2, 3, 4) + c(1, 2)是有效的。

• Julia的map()函数与R中的lapply()类似，但参数表述有差异。
• Julia的矢量化操作更为简单

R中的mapply(choose,11:13,1:3)类似于Julia的broadcast(binomial,11:13,1:3)。而Julia提供了更为简洁的点运算，即binomial.(11:13,1:3)便可达到相同的效果。

• 运算符->在Julia用于定义匿名函数，但在R中用于赋值操作。
• Julia中没有R中的<-与<<-操作符。
• 在对向量与矩阵进行连接时，Julia使用的是hcat()、vcat()及hvcat()函数，对应于R中的c()、rbind()及cbind()函数。
• Julia中矩阵乘法使用A*B，R中需使用A %*% B。
• 矩阵逐元乘积Julia中使用点运算A.*B实现，R中的则是A*B。

Julia的A’等效于R中的t(A)，用于求解矩阵的转置，而!操作符则用于共轭转置。

• 在Julia中，使用if结构、for及while时，条件表达式无需圆括号
• Julia中数值1或0不能当布尔型用
• 获得数组阶数，Julia使用size()函数，R使用nrow()及ncol()函数。
• Julia的类型限定更为严格

在Julia中，标量、向量及矩阵都是不同的，但R语言中标量1与向量c(1)是相同的。

• Julia 中的diag()及diagm()与R的同名函数有着不同的功能。
• 在Julia中，函数结果不能直接作为赋值的左操作数，例如diag(A)=ones(n)是错误的。
• Julia有着完善的自定义类型机制，也更为灵活便捷，不像R要借助S3或S4对象。
• Julia有着更高效的参数传递机制

函数调用时，Julia采用共享传参机制，复杂类型通过引用方式传递。与R中的传值方式相比，显然有着更为高效的性能。

• Julia中范围表达式有独立的类型

表达式a:b在R中是向量的简洁表述，但仍是向量；但在Julia中是独立的Range类型，是一种迭代器，不会自动展开为数组，在节省内存方面有着很大的优势。

• 两者的最大最小等函数存在差异

Julia的max()和min()函数类似于R中的pmax()及pmin()函数；而R中的max()及min()对应于Julia中的maximum()及minimum()函数。

• 两者中矢量化计算的意义有差异

R语言的代码如果要提升性能，往往要进行矢量化改造，但Julia中的矢量化计算多是一种方便的形式，不是性能的关键。

          ------- 节选自本人新书内容：魏坤著《Julia语言程序设计》，机械工业华章图文出版。