本文最初发布于 towards data science 博客，经原作者授权由 InfoQ 中文站翻译并分享。

　　看到这个标题请不要误会我的意思。Python 依旧大受欢迎，其热度是由计算机科学家、数据科学家和 AI 专家组成的坚如磐石的社区撑起来的。

　　但如果你曾与这些人坐下来聊过天，你也会知道他们对 Python 的缺陷有多大怨言。速度缓慢，需要过多的测试，就算做过了测试也会冒出来运行时错误……让人头疼的事情实在太多了。

　　这就是为什么越来越多的程序员开始采用其他语言的原因所在——其中最优秀的替代品包括 Julia、Go 和 Rust。Julia 非常适合数学和技术任务，而 Go 很擅长模块化程序，Rust 则是系统编程的首选。

　　由于数据科学家和 AI 专家需要处理许多数学问题，因此在他们眼中 Julia 是赢家。就算是在最苛刻的对比条件下，Julia 也具有很多 Python 无法比拟的优势。

　　Python 的禅意与 Julia 的贪婪

　　人们之所以要创建一种新的编程语言，是因为他们既想保留旧语言的长处，又要修复其中的缺陷。

　　正是基于这种理念，Guido van Rossum 在 1980 年代后期创建了 Python，作为 ABC 的改进和替代。后者作为编程语言而言过于追求完美了——它如此死板，教学起来很容易，但在现实生活中却很难使用。

　　相反，Python 非常实用。你可以在 “Python 的禅意 ” 这篇文章（ https://www.python.org/dev/peps/pep-0020/ ）中看到这一点，这篇文章反映了创建者的意图：

美丽胜于丑陋。

显式胜于隐式。

简单胜于复杂。

复杂胜于繁复。

扁平胜于嵌套。

稀疏胜于密集。

可读性很重要。

特殊情况还不足以打破规则。

而实用性胜于纯度。

[……]

　　Python 仍然保留了 ABC 的那些良好特性：例如可读性、简单性和对初学者友好的优点。但是 Python 比 ABC 更加健壮，并且更适合现实生活。

　　从同样的角度来看，Julia 的创造者们也希望保留其他语言的优点，而摒弃它们的缺点。但是 Julia 的志向更为远大：与其只取代一种语言，不如让所有语言都成为手下败将。

　　Julia 的创造者是这样说的：

我们很贪心：我们想要更多。

我们需要一种具有自由许可的开源语言。我们希望有 C 的性能和 Ruby 的动态性。我们需要一种同调的语言，具有像 Lisp 这样的真实宏命令，但又有类似 Matlab 这样熟悉又明显的数学符号。我们想要的语言应该像 Python 一样适合常规编程，又像 R 一样适合统计用途，像 Perl 一样能自然地处理字符串处理，也能像 Matlab 一样成为线性代数的强大工具，还能像 Shell 一样擅长将程序粘合起来。这种语言要非常简单易学，却又能打动最专业的程序员。我们希望它是交互式的，希望它是编译的。

　　Julia 希望将当下存在的所有优势都融合在一起，同时还不能为了这些优势做出牺牲，引入其他语言中的那些缺陷。尽管 Julia 是一门年轻的语言，但它已经实现了创造者设定的许多目标。

　　让 Julia 的开发人员着迷的优势

　　多用途

　　从简单的机器学习应用程序到规模庞大的超级计算机仿真应用，Julia 无所不能。在某种程度上来说，Python 也可以做到这一点——但 Python 是逐渐走进各个领域的。

　　相比之下，Julia 的多用途能力是天生的，从零开始打造而成。

　　速度

　　Julia 的创造者希望创建一种与 C 一样快的语言——但他们的成品速度甚至比 C 更快。尽管近年来 Python 加速起来变得容易许多，但是它的性能依旧与 Julia 相去甚远。

　　2017 年，Julia 甚至加入了 Petaflop 俱乐部——这是一个小型编程语言俱乐部，其中的成员都能实现超过千万亿次每秒的峰值计算性能。除了 Julia，目前只有 C、C++ 和 Fortran 是这个俱乐部的成员。

　　社区

　　历经 30 多年的发展，Python 已经建立起了一个庞大的支持社区。随便哪个与 Python 相关的问题，你都只需要谷歌一下就能得到答案。

　　相比之下，Julia 的社区非常小巧。虽然这意味着你可能需要深入挖掘才能找到答案，但你可能会一次又一次遇到同样的伙伴。这样一来，程序员之间甚至可能发展出超越纯粹利益关系的友谊。

　　代码转换

　　你甚至不需要了解任何 Julia 命令也能使用 Julia 编程。你不仅可以在 Julia 中使用 Python 和 C 代码，甚至可以在 Python 中使用 Julia 。不用说，这样一来，开发人员就能轻松修补自己 Python 代码的缺陷。或者在学习 Julia 的过程中依旧保持生产力水平。

　　库

　　这是 Python 的强项之一——它的库数量庞大且维护良好。Julia 没有那么多库可用，用户还抱怨说现有的那点库维护得也不够好。

　　但是，当你考虑到 Julia 是一门非常年轻的语言，并且资源相当有限，你就会意识到它现有的库数量已经相当惊人了。Julia 库的数量还在增长，此外它还可以与 C 和 Fortran 中的库交互，以处理图表之类的任务。

　　动态和静态类型

　　Python 是 100％ 动态类型的。这意味着程序将在运行时确定变量是浮点数还是整数。

　　尽管这对初学者来说非常友好，但它也引入了许多潜在的错误。这意味着你需要在所有可能的场景中测试 Python 代码——这个过程相当笨拙，需要花费大量时间。

　　由于 Julia 创作者也希望它易于学习，因此 Julia 完全支持动态类型。但与 Python 不同的是，你可以根据需要引入静态类型——比如 C 或 Fortran 中的那些形式。

　　这可以为你节省大量时间：你可以在需要的任何地方指定类型，用不着再绞尽脑汁逃避测试了。

　　数据：投资潜力股的意义

　　尽管所有这些优点听起来都很不错，但请务必注意，与 Python 相比 Julia 依然是个新生儿。

　　一个相当不错的度量标准是 StackOverflow 上的问题数量：目前，Python 被标记的问题数量比 Julia 多二十倍！

　　这并不意味着 Julia 不受欢迎——自然，它需要一些时间才能被程序员广泛采用。

　　考虑一下——你是否真的想用另一种语言编写所有代码？不，你宁愿在将来的项目中尝试一种新语言。正因如此，每种编程语言在发布和广泛采用之间都会存在很长的时滞。

　　但是，如果你现在就采用它（这很容易，因为 Julia 允许大量的语言转换），那么你就是在投资未来。当越来越多的人开始采用 Julia 时，你已经获得了丰富的经验，足以成为指导他们的老手。另外，随着越来越多的 Python 代码被 Julia 取代，你的代码也会更加持久。

　　底线：试一试 Julia，让它成为你的优势

　　四十年前，人工智能不过是一种小众玩物。那时的业界和投资者并不信任它，与它相关的许多技术都笨拙且难以使用。但当时就了解它的那些人成为了今天的大牛——市场对大牛的需求如此火热，以至于他们的薪水足以匹敌 NFL 球员。

　　同样，Julia 现在也还是很小众。但随着它的发展，那些早日采用它的人们会成为最大的赢家。

　　我并不是说，如果你现在就选择 Julia，就一定可以在十年内赚到很多钱。但这样做的话，你是在为自己创造机遇。

　　想想看，市场上的大多数程序员的简历上都带有 Python 的字样。在接下来的几年中，我们将在就业市场上看到数量更多的 Python 程序员。但是，如果企业对 Python 的需求衰退，Python 程序员的比例也会下降。起初这种趋势是很缓慢的，但也是不可逆转的。

　　另一方面，如果你可以把 Julia 纳入自己的简历，就会取得真正的优势。因为不客气地说，你与其他 Python 程序员又有何不同呢？区别是很小的。但即使在三年之后，市场上也不会有那么多的 Julia 程序员。

　　有了 Julia 的技能，你不仅可以证明自己对编程的兴趣超出了职位需求，还能让人知道你渴望学习，并且对程序员这项事业有着更深刻的理解。换句话说，你很适合这份工作。

　　你和其他 Julia 程序员一样，可能是未来的编程明星，并且你们很清楚这一点。或者，正如 Julia 的创造者在 2012 年所说的那样：

即使我们意识到我们的贪婪实在无可救药，我们仍然希望拥有所有这一切。大约两年半之前，我们开始着手创建我们的贪婪语言。它还不完整，但是时候发布 1.0 版本了——我们创建的语言称为 Julia。它已经满足了我们 90％ 的苛刻要求，现在它需要其他人的苛刻要求来进一步塑造和完善。因此，如果你也是一位贪婪、疯狂、要求苛刻的程序员，我们希望你尝试一下。

　　Python 仍然非常流行。但是，如果你现在开始学习 Julia，它将来可能就是你的头等舱船票。从这个层面来说：再见 Python，你好 Julia！

　　作者介绍

　　Rhea Moutafis，正在攻读“暗物质物理学”博士学位，他热爱艺术、音乐和美好的事物。

　　原文链接： https://towardsdatascience.com/bye-bye-python-hello-julia-9230bff0df62