原标题：这个可能打败Python的编程语言，正在征服科学界
Julia 语言是近年来科学世界中出现的一匹黑马。物理学家 Lee Phillips 发表了一篇科普文章，介绍了这种科学计算语言的真正魅力所在。
本文转载自公众号“数据实战派”
撰文 Lee Phillips，物理学家
翻译 REN
最近，我和许多科学家在网上视频见面了很多次，他们对一个新工具感到兴奋。它既不是最新的粒子加速器，也不是超级计算机，而是一种 年轻的计算机语言 ——Julia。
不同的计算机语言擅长的工作也不一样，有的运行速度很快，有的则更容易开发和部署，有的拥有庞大的生态系统和库，有的则适用于解决特定问题。
对于需要模拟气候变化或核聚变的科学家来说，目前的主流语言是 Fortran。它的编译器可以充分利用大型超级计算机的强大性能。而对于数据科学家来说，Python 才是最受青睐的语言，因为它拥有丰富的生态系统，强大的交互性和快速的开发周期。
六年前，我撰文描写了 Fortran 在科学计算领域的地位，并与其他几种语言进行了比较。在文章结尾处我曾预测：十年后，一种名为 Julia 的新语言很可能取而代之，成为科学家在解决大规模数字计算问题时更愿意使用的语言。
我的预言不是很准确，因为 Julia 只用了大约一半的时间，就接近了这一目标。
通过近年与许多科学家的交流，我确信，Julia 在业界掀起了新的热情。不过，当年分析它的潜力时，我还不明白为什么这种语言会如此受欢迎。
当时，我的评估是基于 Julia 独特的便捷语法与出色性能。尽管 Julia 1.0 正式版尚未发布，但整个社区已经非常兴奋。
Julia 似乎已经解决了 “ 两语言问题” (two-language problem)，这是 Python 等解释性语言用户经常面临的难题。用 Python 编写一个程序，虽然可以享受它的便捷语法和交互性，但 当计算规模扩大到一定程度，程序的运算速度就会放慢很多。这是 Python 语言本身的局限性。
对于大型的仿真模拟运算来说，由于数据量过于庞大，程序的运行速度至关重要，因此研究人员不得不用 C 之类的语言再重写一个一样的程序，以提升实际应用时的运行速度。可是速度上来之后，他们在后续研究中又要同时维护和更新两种语言的代码。“两语言问题” 由此而生。
Julia 自诞生起就以解决 “两语言问题” 作为使命，以此吸引科学家和其他人来学习该语言，不过这并不是它唯一令人兴奋的地方。
以今年的 JuliaCon 大会为例，普通的计算机会议大多围绕编程、编译器、算法和优化等计算机科学主题展开。虽然 JuliaCon 上也有这些，但更多的是围绕科学研究课题，比如流体力学、语言处理、大脑成像等等。这些演讲题目给人一种走进了科学研究大会的错觉。
这种百花齐放的情况得益于 Julia 编程社区的开放态度，每个人的代码都可以在 GitHub 上找到。如果有人希望使用现成的算法，从帮助文档到代码注释，都可以拿到最新版本。
这与绝大多数年龄较大的科学家所熟悉的氛围完全不同：在过去，科研代码几乎不会离开实验室。
Julia 社区正是以大规模的协作和代码共享为基石。
解决 “表达问题”
“表达问题” (Expression Problem)是计算机语言设计研究中的常见概念。它是计算机科学的分支研究领域，人们对它的含义和解释往往十分抽象，并且依赖于专业术语。
如果想要更好地理解这个概念，我们或许可以将其类比成烹饪。
首先我们要明确一些计算机科学术语，包括函数 / 程序、数据类型和库 / 模块 / 包。
简单来说，函数 / 程序指的是 “获取输入值，对其进行处理，最后产生输出值” 的过程。数据类型是数字、字符或其他信息的集合，这些信息有各式各样的结构，可以由函数操控。库 / 模块 / 包则是函数的集合，还包括函数使用的数据类型的描述。
接下来我们开始类比。
如果你知道食谱和烹饪是什么意思，这个类比就很好懂。我们可以将库 / 模块 / 包视为市面上出售的 “食谱书”，函数 / 程序就是 “制作菜肴的完整过程或技术”，而数据类型就是需要用到的 “食材或配料”。
现在想象一下食谱的内容。一般来说，食谱都是以不同菜品为分类，比如炒菜实际上细分为如何炒洋葱，如何炒虾等等。每一道菜的步骤不同，因为它们使用的食材或配料不同。这些食材和配料表也是食谱的一部分。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
