Julia 的语法和 MATLAB 很像。但 Julia 不是简单地复制 MATLAB ,它们有很多句法和功能上的区别。以下是一些值得注意的区别:
A[i,j]
A=B
之后,对 B
赋值也会修改 A
a(4) = 3.2
会创建一个数组 a = [0 0 0 3.2]
,即为a分配了内存并且将每个元素初始化为0,然后为第四个元素赋值3.2,而 a(5) = 7
会为数组a增加长度,并且给第五个元素赋值7。 Julia 把赋值和分配内存分开了: 如果 a
长度为4, a[5] = 7
会抛出一个错误。 Julia 有一个专用的 push!
函数来向 Vectors
里增加元素。并且远比Matlab的 a(end+1) = val
来的高效。sqrt(-1)
用 im
来表示2^-1
的表达式因为不是正式而抛出一个异常。N
,而不是 Nx1
。例如, rand(N)
生成的是一维数组[x,y,z]
来连接标量或数组,连接发生在第一维度(“垂直”)上。对于第二维度(“水平”)上的连接,需要使用空格,如 [x y z]
。 要想构造块矩阵,尽量使用语法 [a b; c d]
a:b
和 a:b:c
中的冒号,用来构造 Range
对象。使用 linspace
构造一个满向量,或者通过使用方括号来“连接”范围,如 [a:b]
return
关键字,而不是把它们列在函数定义中sum
, prod
, max
等约简操作,如果被调用时参数只有一个,作用域是数组的所有元素,如 sum(A)
sort
等函数,默认按列方向操作。( sort(A)
等价于 sort(A,1)
)。要想排序 1xN
的矩阵,使用 sort(A,2)
A
是 2 维数组, fft(A)
计算的是 2 维 FFT. 尤其注意的是, 它不等效于 fft(A,1)
, 后者计算的是按列的 1 维 FFT.tic()
和 toc()
println
函数可以用来打印值并换行A
和 B
是数组, A == B
并不返回布尔值数组。应该使用 A .== B
。其它布尔值运算符可以类比, <
, >
, !=
等&
、|
和 $
表示位运算“和”、“或”以及“异或”。它们和python中的位运算符有着相同的运算符优先级,和c语言中的位运算符优先级并不一样。 它们能被应用在标量上或者应用在两个数组间(对每个相同位置的元素分别进行逻辑运算,返回一个由结果组成的新数组)。 值得注意的是它们的运算符优先级,别忘了括号: 如果想要判断变量 A
是等于1还是2, 要这样写 (A .== 1) | (A .== 2)
。...
把集合中的元素作为参数传递给函数,如 xs=[1,2]; f(xs...)
svd
返回的奇异值是向量而不是完整的对角矩阵...
不用来将一行代码拆成多行。Instead, incomplete expressions automatically continue onto the next line.ans
是交互式会话中执行的最后一条表达式的值;以其它方式执行的表达式的值,不会赋值给它Julia 也想成为数据分析和统计编程的高效语言。与 R 的区别:
=
赋值,不提供 <-
或 <<-
等箭头式运算符[1, 2, 3]
等价于 R 中的 c(1, 2, 3)
A
和 B
是矩阵,那么矩阵乘法在 Julia 中为 A * B
, R 中为 A %*% B
。在 R 中,第一个语句表示的是逐元素的 Hadamard 乘法。要进行逐元素点乘,Julia 中为 A .* B
'
运算符做矩阵转置。 Julia 中 A'
等价于 R 中 t(A)
if
语句或 for
循环时不需要写圆括号:应写 for i in [1, 2, 3]
而不是 for (i in c(1, 2, 3))
;应写 if i == 1
而不是 if (i == 1)
0
和 1
不是布尔值。不能写 if (1)
,因为 if
语句仅接受布尔值作为参数。应写成 if true
nrow
和 ncol
。应该使用 size(M, 1)
替代 nrow(M)
;使用 size(M, 2)
替代 ncol(M)
X
调用 svd(X, true)
1
和 c(1)
是一样的。在 Julia 中,它们完全不同。例如若 x
和 y
为向量,则 x' * y
是一个单元素向量,而不是标量。要得到标量,应使用 dot(x, y)
diag()
和 diagm()
与 R 中的不同diag(M) = ones(n)
Julia 不赞成把 main 命名空间塞满函数。大多数统计学函数可以在 扩展包中找到,比如 DataFrames 和 Distributions 包:
list(a = 1, b = 2)
,应该使用 (1, 2)
table(x::TypeA)
和 table(x::TypeB)
等价于 R 中的 table.TypeA(x)
和 table.TypeB(x)
hcat
和 vcat
来连接向量和矩阵,而不是 c
, rbind
和 cbind
a:b
与 R 中的定义向量的符号不同。它是一个特殊的对象,用于低内存开销的迭代。要把范围对象转换为向量,应该用方括号把范围对象括起来 [a:b]
max
和min
等价于 R 语言中的pmax
和pmin
。但是所有的参数都应该有相同的维度。而且 maximum
, minimum
可以替代 R 语言的 max
and min
,这是最大的区别。sum
, prod
, maximum
, minimum
和 R 语言中的同名函数并不相同。它们接收一个或者两个参数。第一个参数是集合,例如一个 array,如果有第二个参数,这个参数可以指明数据的维度,除此之外操作相似。比如,让 Julia 中的 A=[[1 2],[3,4]]
和 R 中的 B=rbind(c(1,2),c(3,4))
比较会是一个矩阵。 接着 sum(A)
和sum(B)
会有相同的结果, 但是 sum(A,1)
是一个包含一列和的行向量,而 sum(A,2)
是一个包含行和的列向量. 如果第二个参数是向量,如 sum(A,[1,2])=10
, 需要确保第二参数没有问题。sort(v)
和 sort!(v)
函数中,带感叹号的可以修改 v
colMeans()
和 rowMeans()
, size(m, 1)
和 size(m, 2)
NULL
类型assign
或 get
所等价的语句end
,Python 使用 -1end
;不强制要求缩进排版numpy
数组默认是以行为主序的(类似 C )。如果想优化遍历数组的性能,从 numpy
到 Julia 时应改变遍历的顺序。