[docs] Julia 与 Python 的显著差异

综合讨论区 语言特性及语义
1

对文档的一些补充：与 Python 的显著差异 · Julia中文文档

文档中说的很清楚的部分就不赘述了。

与 Python 的显著差异

字符串

  • Julia 中的字符串使用双引号构造，如 "text"，也可以使用三引号构造多行字符串。而在 Python 中可以使用单引号（'text'）或者双引号（"text"）。
    单引号在 Julia 中用来表示单个字符，例如 'c'。
    julia> "text"
"text"

julia> "a"
"a"

julia> 'a'
'a': ASCII/Unicode U+0061 (category Ll: Letter, lowercase)

julia> typeof("a")
String

julia> typeof('a')
Char

索引与切片

  • Julia 里的切片包含最后一个元素。Julia 里的 a[2:3] 等同于 Python 中的 a[1:3]。
    【这里要同时注意 Julia 索引从 1 开始】

  • Julia 的范围语法为 x[start:step:stop]，而 Python 的格式为 x[start:(stop+1):step]。
    因此 Python 中的 x[0:10:2] 等价于 Julia 里的 x[1:2:10]。类似的 Python 中的反转数组 x[::-1] 等价于 Julia 中的 x[end:-1:1]。

  • 在 Julia 中队一个矩阵取索引 X[[1,2], [1,3]] 返回一个子矩阵，它包含了第一和第二行与第一和第三列的交集。
    在 Python 中 X[[1,2], [1,3]] 返回一个向量，它包含索引 [1,1] 和 [2,3] 的值。
    Julia 中的 X[[1,2], [1,3]] 等价于 Python 中的 X[np.ix_([0,1],[0,2])]。
    Python 中的 X[[1,2], [1,3]] 等价于 Julia 中的 X[[CartesianIndex(1,1), CartesianIndex(2,3)]]。
    julia

    julia> X = [1 2 3; 4 5 6; 7 8 9]
3×3 Array{Int64,2}:
 1  2  3
 4  5  6
 7  8  9

julia> X[[1,2], [1,3]]
2×2 Array{Int64,2}:
 1  3
 4  6

julia> [[CartesianIndex(1,1), CartesianIndex(2,3)]]
1-element Array{Array{CartesianIndex{2},1},1}:
 [CartesianIndex(1, 1), CartesianIndex(2, 3)]

julia> X[[CartesianIndex(1,1), CartesianIndex(2,3)]]
2-element Array{Int64,1}:
 1
 6

    python

    >>> import numpy as np
>>> X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> X
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
>>> X[[0,1], [0,2]]
array([1, 6])
>>> X[np.ix_([0,1], [0,2])]
array([[1, 3],
       [4, 6]])

表达式的续行

  • Julia 没有下一行继续的语法：当输入的表达式很复杂、很长的时候，除非到某一行结尾，这个表达式结束了，不然会一直继续读取下一行。
    一种强制让表达式延续的语法是：将多行表达式包在一对括号中。
    【注：简单来说表达式随便换行，会自动续上的】

取余、取模与转置

  • % 在 Julia 中是取余操作符（remainder），而 Python 表示取模（modulus）。
    【译注：二者在参数有负数时有区别】
    【julia 中 % 对应 Julia 的函数 rem；Python 中的 % 对应 Julia 的 mod】

  • Julia 中的伴随操作符 ' 返回向量的转置（一种行向量的懒惰表示法）。
    Python 中对向量执行 .T 返回它本身（没有效果）。

    julia> a = collect(1:3)
3-element Array{Int64,1}:
 1
 2
 3

julia> a'
1×3 LinearAlgebra.Adjoint{Int64,Array{Int64,1}}:
 1  2  3

变量的作用域

  • 小心 Julia 中的非常量全局变量，尤其它出现在循环中时。因为你在 Julia 中可以写出贴近硬件的代码，这时使用全局变量的影响非常大（参见性能建议）
    【注：别用全局变量就好了，要么是常量，要么就传参，参数多就打包到可变的结构体里。】

  • 在 Julia 中大多数代码块都会引入新的本地作用域（local scope）。例如：循环和异常处理的 try — catch — finally。
    注意：列表推断（comprehensions）与生成器在 Julia 和 Python 中都会引入新的作用域；而 if 分支则都不会引入。
    【注：经典新手问题：为什么 REPL 里以下代码报错？】

    julia> sum = 0
0

julia> for i in 1:5
           sum += i
       end
ERROR: UndefVarError: sum not defined
Stacktrace:
 [1] top-level scope at .\REPL[36]:2

    答：因为 for 引入了新的作用域。要么你把 sum 设为全局变量，要么把这段放到函数里面。

    julia> sum = 0;
julia> # 1. global var: sum

julia> for i in 1:5
           global sum
           sum += i
       end

julia> sum
15

    julia> function f()
           sum = 0
           for i in 1:5
               sum += i
           end
           sum # return
       end

f (generic function with 2 methods)

julia> f()
15
2 个赞
2

还有个，Julia中的÷ ，div （大致上）对应Python中的 // ，我一开始入门的时候找了这个函数老半天。

3

直接去把英文文档也给改了吧。

感觉是除了这些“显著”差异，大家可能更想要一个函数、关键字对应表。

4

索引方面还有一个重要的内容是

x[1] 在Julia下表示线性索引，对于x=rand(4, 4)而言， x[5] == x[1, 2]. 而在 numpy 下x[1] 则代表切片 x[1,:] 并且 x[5] 会直接报错

Reference: Single- and multi-dimensional Arrays · The Julia Language

5

最近发现一个，Julia 解包赋值时允许被解包的Iterable长度与赋值的变量数不等，而Python不行。

Julia:

julia> a, b = (1,2,3)
(1, 2, 3)

julia> a
1

julia> b
2

Python:

>>> a,b = (1,2,3)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: too many values to unpack (expected 2)
1 个赞