人气飙升的Julia，是否值得你拥有？

Julia 1.0重磅发布，想必扰乱了不少开发者的心——我该不该从Python或R转用Julia呢？毕竟后者可是集Pyhton、R和C++优势在一起的语言啊。不管你怎么想，Julia的开发者的目标是：将Julia打造为机器学习最主流语言。

人气飙升的Julia，是否值得你拥有？

上周，开源编程语言—Julia的开发团队发布了该项目的1.0版本。这表明，用于优化数据分析和深度学习的编程语言已经诞生！

Why Julia？

对于用惯了像R和Python这样主流语言的数据科学家来说，新语言的诞生可能会给他们带来一些困扰。他们可能花了数年的时间去学习他们所喜欢的编程语言，并了解该语言很多细枝末节的知识点，或自己总结了使用该语言的一些技巧。在这种情况下，他们很可能已经非常适应使用像R和Python这样稳定且好用的语言了。那么，现在他们凭什么需要考虑学习一门新的语言呢？

Julia的创始人之一，Viral Shah说：“如果你是数学家、科学家或者工程师，那么你过去选择一门编程语言会从它的速度角度进行考虑，例如C++或Java，亦或从语言的易学角度进行考虑，例如Matlab、R或者是Python。而我们创造了一种两者兼备的语言，即Julia。”

Viral Shah表示，Julia开发灵感是想看有多少人需要对同样的代码进行重复编程。数据科学家首先会使用Python或R这样的工具来开发算法，因为用这些语言来研究数据和制作图表很容易。然后，当他们觉得算法差不多成型了，就会用C++或Java重写程序，用来获取更快的计算机处理性能。而Julia比R和Python还要快，因为它是专门用来快速实现大多数据科学所需要数学基础知识或概念的，例如矩阵表达式、线性代数。

Julia已经被广泛使用（下载次数超过了200万次），但用户社区显然不满足现在的这点成就。他们希望Julia能够超越Python和R作为数据科学的中心语言（尤其是机器学习）。

Julia大部分关键技术的开发来自MIT的Julia Lab，该实验室是由Julia同事兼MIT数学教授Alan Edelman来领导的。Julia的另外两位创作者是Jeff Bezanson和Stefan Karpinski。这些开发者对于1.0的开发贡献是小部分的，最主要的还是来自超过700名志愿者的努力。

Why not Julia？

那么，为什么说不是每个数据科学家都需要学习Julia呢？理由如下：

首先，如果处理速度对你来说并不重要，Julia可能不如你正在使用的任何产品（至少现在如此）。有些R用户所做的统计工作都是在相对较小的数据集上进行的，并且只是涉及到简单的计算。在R开发人员社区，特别是数据科学家Hadley Wickham，开发出了非常棒的工具，通过完整的文档，就可以完成简单的数据分析任务。但如果使用Julia来实现在R中完成的一些基本任务，可以发现，Julia的工具对这些任务并没有优势可言。

其次，Julia在调试和识别性能问题方面的工具落后于Python和R。Shah说，Julia的基础开发已然完成，他希望社区能够将重心转移到这些工具的开发，以便让新用户更好、更容易上手。

Julia并不是什么新产品，实际上从2012年开始就有了。但是随着1.0版本的到来，其流行程度和关注度也大幅上升。上周，TIOBE编程语言指数的分析师指出，Julia首次进入前50名。

来自QUARTZ的Dan Kopf表示：“虽然很多人并没有准备好去学习Julia，但是可以相信的是，Julia目前存在的几个短板问题若是能够得到解决，它的速度优势会使其成为数据科学家的主流编程语言。”而RedMonk也表示，“Julia即将接管Python！”

那么问题来了，你是否会选择学习Julia呢？