keywords: Julia,Python CJKmainfont: KaiTi –-

写给Python用户的Julia编程指南[updating]

本文的目的是，为拥有Python编程经验的用户提供一些指引，方便其快速上手Julia。

准备

下载和安装

官网提供了各个系统下的安装包，不过我建议新手先安装Julia PRO，这个有点类似Python下的Anaconda，目前版本还没有1.0，这里以0.6.2为例，安装Julia的同时还会安装一些Julia下常见的包（省去了许多包管理麻烦，当然，也会带来一些新的小问题，这个碰到的时候再细说）。

由于我日常开发在Windows下，所以以下内容中操作系统相关的部分都以Windows为主（Linux和Mac下要容易很多，应该问题不大）。

安装后直接双击桌面的$JuliaPro - Command Prompt 0.6.2.1$快捷键即可打开Julia的REPL界面，就跟IPython有点像（后面会详细介绍其与IPython的联系和区别），建议将JuliaPRO安装路径下$Julia-0.6.2$中的bin目录添加到环境变量Path中，这样可以直接在git-bash或者cmd中直接运行julia(如下图)。

Julia_REPL

Windows下开发学习的一点个人建议

我个人对Windows的态度是不吹不黑，但老实说，Windows下开发的体验很差。强烈建议安装个Debian/Ubuntu的WSL，除了不能直接跟底层GPU打交道外，我目前的开发中没遇到什么大问题，日常一般是开了两个terminal，一个显示REPL，另一个在Debian中切到对应的目录下做文件读取和服务管理。

一般Python的开发会选择PyCharm之类的IDE，不过Julia下还没有与PyCharm对应的IDE。安装JuliaPRO之后，桌面会有一个$Juno for JuliaPro 0.6.2.1$，其实就是一个Atom上套了个插件，如果你原来就用Atom的话，也许你会喜欢这个编辑环境。我个人在Windows下倾向使用VSCode+Julia插件，不过社区里也有人用Vim和Emacs，选择一个适合你的就好。

<div class="alert alert-warning"> 使用VSCode的Julia插件的时候，需要配置(File -> Preferences -> Settings)julia的路径，如"julia.executablePath": "D:\workspace\software\JuliaPro-0.6.2.1\Julia-0.6.2\bin\julia.exe"。 </div>

当然，你一定注意到了桌面还有一个$Jupyter 0.6.2.1$，其实就是Jupyter+IJulia的内核，如果你习惯Jupyter的话几乎可以做到无缝迁移。

REPL

在IPython中，最常用的一个功能是查看函数的帮助文档，通过在函数/方法名后面加一个$?$来实现，不过在Julia的REPL中，是先输入$?$再输入函数名：

使用？的例子

另外，在IPython中，经常会执行一些类似$ls$,$pwd$等等系统命令，这类命令在Julia中是通过函数来实现的(如$readdir()$, $pwd()$)。此外，原来$%%$的魔法函数也有对应的函数实现。不过如果是在REPL中，可以直接输入;进入shell模式，执行各种命令（自行对比iPython中加了!执行命令）。

包管理

新版的Pkg管理模块比以前好用了很多，功能上有点像内置了一个pipenv。打开Julia的REPL后，按]进入Pkg管理模块，通过generate Foo即可新建一个Project，然后add Bar可以添加依赖，更多操作可以查看Pkg的Doc。

语法细节

下面从一些日常的操作来介绍如何从Python迁移到Julia。

代码结构

在Python中，代码是以目录结构组织起来的，然后用$__init__.py$来区分包和普通的目录，Julia的代码以模块（Modules）组织起来的，一个典型的Julia文件有如下结构：

module MyModule
using Lib

using BigLib: thing1, thing2

import Base.show

export MyType, foo

struct MyType
    x
end

bar(x) = 2x
foo(a::MyType) = bar(a.x) + 1

show(io::IO, a::MyType) = print(io, "MyType $(a.x)")
end

首先，$module$定义了整个模块，其作用范围一直到最后一行$end$，module名称一般采用驼峰式，在$module$中也可以定义一个$__init__$函数，其功能有点类似Python下的$__init__.py$文件（不完全对应，$__init__.py$某种程度上提供了下面$export$的功能）。

$using Lib$有点类似Python中的$from xxx import *$，此刻你脑海中想到的第一个问题应该是命名冲突！对，我一开始也这么想的，后来习惯了发现，好像问题不大，因为Julia是带类型的，一定程度上通过重载缓解了这个问题。

$using BigLib: thing1, thing2$就是显式地导入，类似$from xxx import foo, bar$。

个人感觉，Julia中$import$主要用于扩展某个函数的时候使用，这一点$using$做不到（$using$只用于提供查找变量的搜索空间）。~~$importall$就是$import$的扩展版~~(新版本中$importall$已废弃)。

$export$则是，将该$module$内部的某些变量暴露出去。在Python中可能是通过$__foo$等来实现的。

函数部分的区别和联系后面再详述。

有时候，我们想直接从某个文件中导入，需要用$include("foo.jl")$来实现。

有一个函数$whos()$可以用来查看当前的变量信息，有点像Python中的$globals()$。

在Julia中，Char和String分别是用单引号$'$和双引号$"$初始化的，不能像Python中一样混用，三个双引号的用法是一致的。
字符串的连接采用$*$符号，而不是$+$。
字符串中支持变量替换，这个在Python3.6中有支持。二者只是表示上有所差别，Julia中是$"foo is ${1 + 1}"$，Python3.6中是$f"foo is {1 + 1}"$。
前面你可能注意到了，Python中可以在string前增加$f""$，$r""$等实现某种特殊功能，在Julia中，可以自定义许多非标准的字符串解释器，这个很强大，谁用谁知道。
读文件有一点稍稍不同，需要调用$eachline$函数，此外，Python中常常会用到的$strip$，Julia中对应的是$chomp$。

list

Python中最常用的就是list了，Julia中并没有严格与之对应的数据结构，不过，就一般使用而言，可以把一维的$Array{Any,1}$拿来用。

$push!$对应$append$，$append!$对应$extend$方法，这里提一下，Julia还是函数式的风格，而Python中平常使用还是面向对象的风格为主。此外还有$prepend!$等等对用的函数。
Python中的list comprehension 一样可以使用，$[x * 2 for x in range(1,10) if x > 3]$。我个人为了保持代码风格的一致性，习惯用$map$，$filter$处理。
Python中$list$可以通过$*$来扩展，Julia中的Array并不能这样做（用$repeat$函数实现）。

Tuple

和Python中基本一致，~~未来也会~~目前支持类似Python3中的NamedTuple。

numpy

这里单独说明下，Julia可以看作是自带了numpy的Python，Numpy的许多操作都能在标准库中Array部分找到。

记录几个需要注意的点：

$max$和$maximum$的区别
初始化矩阵的时候，julia中用$;$来区分行
numpy中的数据类型一般通过$dtype$参数来指定（通过$.astype$做类型转换），而Julia中，则是采用带参数类型函数来初始化（如$Array{T}(m,n)$）
Julia中，array的存储顺序是按照列存储的，因此对矩阵赋值的时候需要注意区别。$A[[1,2], [2,3]] = [2, 3,4 ,5]$和$[[1,2], [2,3]] = [2 3;4 5]$的结果是有区别的。

iterator

在python中经常会用到$yield$来生成迭代器，Julia中似乎没有找到对应的，我看到过一个相关的讨论，一定程度上可以用Channel来实现。但仍然有些繁琐，希望以后能支持。
Python中有个itertools也经常用，这个在Julia中都是通过macro实现的，我个人感觉Lazy.jl基本够用，有些个性化需求的话，自己写一个也很方便。

$do$，这个没啥意思，就是把lambda搬了个位置
control flow上，因为没有了Python中的intent，需要用$end$来控制，虽然麻烦了点，但也可以理解。另外没有$pass$关键字。
$let$用于局部的变量重绑定，特定时候可以解决命名冲突问题，其实有很多方式绕开。有点怀念Clojure中的$let$

function

如果不考虑类型的话，Julia下的function和Python相比，主要的差别是：

$end$作为结尾，默认返回最后一个表达式，基本不需要$return$语句
positional，optional参数写法保持一致，keyword参数的写法用$;$做了分隔，不过一般都这么写：
```
function f(x; y=0, kwargs...)
  ###
end
```
对于one-line definition，一般用$f(x) = x$的形式，如果一个表达式不够用，可以这样$f(x) = (step1;step2;step3)$。
lambda函数的写法看起来更简洁点，$x -> x^x$

operator

$.$，向量化操作，起初觉得没啥意思，记得Clojure有个macro实现类似的语义，后来发现，这个点真心简洁
$+=$，注意Julia中默认是immutable的，所以类似$A += 3$的操作其实是做了个rebinding
$...$,Python中会用$*$和$**$来对函数的参数解绑，在Julia是$...$
注意区分$==$和$===$，类比Python中的$==$和$is$

type

这个应该是从Python转Julia最大的区别，没有捷径，好好阅读文档。这里我记下点自己觉得比较常用的几个知识点：

$typemax$和$typemin$可以提供某些类型的取值范围(Int64,Float32等)

接下来？

花点时间通读Julia Documentation。
看看Introducing Julia这个wikibook，日常使用中的问题都可以在这里找到答案。