Julia：比 Fortran 快，比 Numpy 干净 - matecdev

Julia是一种非常新的语言，除其他外，它旨在解决科学计算中所谓的“双语言问题”。
也就是说，我们通常使用快速原型语言（如 Matlab 或 Python）来测试想法，但是当测试完成并且是进行一些严肃计算的时候，我们需要依赖不同的（编译的）编程语言。
有许多工具可以简化转换，到目前为止，将 Fortran 库包装到 Python 中一直是我的首选。例如，用 F2PY 封装一些 Fortran 似乎是一种使用（和分发）任何人都可以运行的高效 Fortran 代码的非常方便的方法。我还在这篇文章中跟踪了在 Python 中使用 Fortran 的各种方法。
现在，Julia 旨在以一种激进的方式解决这个问题。这个想法是使用单一的编程语言，它既具有交互模式，适用于快速原型设计，也可以在 C/Fortran 性能下编译和执行。
 
Julia vs Fortran vs Numpy：速度和代码清晰度总结
以下是我运行此基准测试后的结论。

• Numpy 在许多情况下仅限于单线程，难以编码和阅读，并且可能比这两种替代方案慢得多。
• Fortran 使用非常简单的代码提供了出色的性能，但需要进行一些包装才能从 Python 等高级语言调用 Fortran。
• Julia 比 Numpy 更快、更容易编写，甚至能够击败 gfortran 的性能。