Аналітик порівняв мови Python і Julia для data science

14.04.2021

Python став фундаментом для обробки даних та машинного навчання, тоді як Julia була побудована з нуля саме для таких задач, пише оглядач InfoWorld.

Серед багатьох випадків використання Python аналіз даних став чи не найбільшим та найважливішим. Екосистема цієї мови програмування має чимало бібліотек, інструментів та програм, які роблять наукові обчислення та аналіз даних швидкими та зручними.

Утім, для розробників, які створили мову Julia – спеціально націлену на “наукові обчислення, машинне навчання, видобуток даних, широкомасштабну лінійну алгебру, розподілені та паралельні обчислення”, – Python недостатньо швидкий або зручний. Julia має на меті надати вченим та аналітикам даних не тільки швидку та зручну розробку, але й надзвичайну швидкість виконання, пише аналітик InfoWorld.

Що за Julia?

Створена в 2009 році командою з чотирьох осіб і оприлюднена в 2012 році, ця мова програмування має на меті усунути недоліки Python та інших мов та програм, що використовуються для наукових обчислень та обробки даних. “Ми жадібні”, – пояснили тоді розробники. 

“Ми хочемо щось настільки придатне для загального програмування, як Python, настільки просте для статистики, як R, таке ж природне для обробки рядків, як Perl, таке потужне для лінійної алгебри, як Matlab… Щось, що неважко засвоїти, але все ж зробило б навіть найсерйозніших хакерів щасливими”, – заявляли тоді вони. 

Що особливого у цій мові програмування?

• Вона компілюється, а не інтерпретується. 
• Julia інтерактивна – у ній є інтерактивний командний рядок, подібний до того, що пропонує Python. 
• У цієї мови прямий синтаксис. 
• Julia поєднує в собі переваги динамічного набору тексту та статичного набору тексту. 
• Вона може звертатися до бібліотек Python, C та Fortran. 
• Julia підтримує метапрограмування. Програми цією мовою можуть генерувати інші програми Julia і навіть модифікувати власний код, що нагадує такі мови, як Lisp.
• У неї повнофункціональний дебагер. 

Julia проти Python: переваги Julia

Julia була створена від початку для наукових та числових обчислень. Тому не дивно, що у неї є чимало можливостей, сприятливих для аналітики даних:

• Вона швидка
• У неї дружній до математичних виразів синтаксис
• Julia має автоматичне управління пам’яттю
• Вона краще справляється з паралельними операціями
• У межах Julia створюються власні бібліотеки для роботи з машинним навчанням.

Julia проти Python: переваги Python

Незважаючи на те, що Julia створена спеціально для data science, тоді як Python поступово отримував цю роль, Python пропонує деякі вагомі переваги для аналітики даних. Деякі з факторів “загального призначення” у Python можуть виявитися кращим рішенням для роботи з наукою даних чи аналітики великих даних:

• Python використовує базовану на нулі індексацію масиву. У більшості мов, включаючи Python та C, до першого елемента масиву звертаються через нуль – наприклад, string[0] у Python для першого символу в рядку. Julia використовує 1 для першого елемента масиву, що може ускладнити роботу з популярними математичними інструментами.
• Програми на Python запускається швидше. Утім, розробники Julia докладають зусиль, щоб наздогнати ці показники.
• Python більш зріла мова програмування – вона вже більше 30 років в індустрії, тоді як Julia почала розроблюватися лише у 2009, відтоді додалось чимало функцій.
• У Python є значно більше сторонніх пакунків. 
• Спільнота довкола Python набагато ширша та напрочуд активна. 
• Python розвивається, стаючи швидшим та ефективнішим.