數(shù)組用方括號來索引， A[i,j]
數(shù)組是用引用來賦值的。在 A=B 之后，對 B 賦值也會修改 A
使用引用來傳遞和賦值。如果一個函數(shù)修改了數(shù)組，調(diào)用函數(shù)會發(fā)現(xiàn)值也變了
Matlab 把賦值和分配內(nèi)存合并成了一個語句。比如： a(4) = 3.2 會創(chuàng)建一個數(shù)組 a = [0 0 0 3.2] ，即為a分配了內(nèi)存并且將每個元素初始化為0,然后為第四個元素賦值3.2，而 a(5) = 7 會為數(shù)組a增加長度，并且給第五個元素賦值7。 Julia 把賦值和分配內(nèi)存分開了：如果 a 長度為4, a[5] = 7 會拋出一個錯誤。 Julia 有一個專用的 push! 函數(shù)來向 Vectors 里增加元素。并且遠比Matlab的 a(end+1) = val 來的高效。
虛數(shù)單位 sqrt(-1) 用 im 來表示
字面上的數(shù)字如果沒有小數(shù)點，則會被默認為整數(shù)類型而不是浮點類型。且支持任意長度的整數(shù)類型。但是這也意味著一些如2^-1的表達式因為不是正式而拋出一個異常。
Julia 有一維數(shù)組。列向量的長度為 N ，而不是 Nx1 。例如， rand(N) 生成的是一維數(shù)組
使用語法 [x,y,z] 來連接標量或數(shù)組，連接發(fā)生在第一維度（“垂直”）上。對于第二維度（“水平”）上的連接，需要使用空格，如 [x y z] 。要想構(gòu)造塊矩陣，盡量使用語法 [a b; c d]
a:b 和 a:b:c 中的冒號，用來構(gòu)造 Range 對象。使用 linspace 構(gòu)造一個滿向量，或者通過使用方括號來“連接”范圍，如 [a:b]
函數(shù)返回須使用 return 關(guān)鍵字，而不是把它們列在函數(shù)定義中
一個文件可以包含多個函數(shù)，文件被載入時，所有的函數(shù)定義都是外部可見的
sum, prod, max 等約簡操作，如果被調(diào)用時參數(shù)只有一個，作用域是數(shù)組的所有元素，如 sum(A)
sort 等函數(shù)，默認按列方向操作。（ sort(A) 等價于 sort(A,1) ）。要想排序 1xN 的矩陣，使用 sort(A,2)
如果 A 是 2 維數(shù)組, fft(A) 計算的是 2 維 FFT. 尤其注意的是, 它不等效于 fft(A,1), 后者計算的是按列的 1 維 FFT.
即使是無參數(shù)的函數(shù)，也要使用圓括號，如 tic() 和 toc()
表達式結(jié)尾不要使用分號。表達式的結(jié)果不會自動顯示（除非在交互式提示符下）。 println 函數(shù)可以用來打印值并換行
若 A 和 B 是數(shù)組， A == B 并不返回布爾值數(shù)組。應(yīng)該使用 A .== B 。其它布爾值運算符可以類比， <, >, != 等
符號 & 、| 和 $ 表示位運算“和”、“或”以及“異或”。它們和python中的位運算符有著相同的運算符優(yōu)先級，和c語言中的位運算符優(yōu)先級并不一樣。它們能被應(yīng)用在標量上或者應(yīng)用在兩個數(shù)組間（對每個相同位置的元素分別進行邏輯運算，返回一個由結(jié)果組成的新數(shù)組）。值得注意的是它們的運算符優(yōu)先級，別忘了括號: 如果想要判斷變量 A 是等于1還是2, 要這樣寫 (A .== 1) | (A .== 2) 。
可以用 ... 把集合中的元素作為參數(shù)傳遞給函數(shù)，如 xs=[1,2]; f(xs...)
Julia 中 svd 返回的奇異值是向量而不是完整的對角矩陣
Julia 中 ... 不用來將一行代碼拆成多行。Instead, incomplete expressions automatically continue onto the next line.
變量 ans 是交互式會話中執(zhí)行的最后一條表達式的值；以其它方式執(zhí)行的表達式的值，不會賦值給它
Julia 的 type 類型和Matlab中的 classes 非常接近。Matlab 中的 structs 行為介于 Julia 的 types 和 Dicts 之間。如果你想添加一個域在 strut 中，使用 Dict 會比 type 好一些。

與 R 的區(qū)別

Julia 也想成為數(shù)據(jù)分析和統(tǒng)計編程的高效語言。與 R 的區(qū)別：

使用 = 賦值，不提供 <- 或 <<- 等箭頭式運算符
用方括號構(gòu)造向量。Julia 中 [1, 2, 3] 等價于 R 中的 c(1, 2, 3)
Julia 的矩陣運算比 R 更接近傳統(tǒng)數(shù)學(xué)語言。如果 A 和 B 是矩陣，那么矩陣乘法在 Julia 中為 A * B ， R 中為 A %*% B 。在 R 中，第一個語句表示的是逐元素的 Hadamard 乘法。要進行逐元素點乘，Julia 中為 A .* B
使用 ' 運算符做矩陣轉(zhuǎn)置。 Julia 中 A' 等價于 R 中 t(A)
寫 if 語句或 for 循環(huán)時不需要寫圓括號：應(yīng)寫 for i in [1, 2, 3] 而不是 for (i in c(1, 2, 3)) ；應(yīng)寫 if i == 1 而不是 if (i == 1)
0 和 1 不是布爾值。不能寫 if (1) ，因為 if 語句僅接受布爾值作為參數(shù)。應(yīng)寫成 if true
不提供 nrow 和 ncol 。應(yīng)該使用 size(M, 1) 替代 nrow(M) ；使用 size(M, 2) 替代 ncol(M)
Julia 的 SVD 默認為非 thinned ，與 R 不同。要得到與 R 一樣的結(jié)果，應(yīng)該對矩陣 X 調(diào)用 svd(X, true)
Julia 區(qū)分標量、向量和矩陣。在 R 中， 1 和 c(1) 是一樣的。在 Julia 中，它們完全不同。例如若 x 和 y 為向量，則 x' * y 是一個單元素向量，而不是標量。要得到標量，應(yīng)使用 dot(x, y)
Julia 中的 diag() 和 diagm() 與 R 中的不同
Julia 不能在賦值語句左側(cè)調(diào)用函數(shù)：不能寫 diag(M) = ones(n)
Julia 不贊成把 main 命名空間塞滿函數(shù)。大多數(shù)統(tǒng)計學(xué)函數(shù)可以在擴展包中找到，比如 DataFrames 和 Distributions 包：
- Distributions 包提供了概率分布函數(shù).
- DataFrames 包提供了數(shù)據(jù)框架
- GLM 擴展包提供了廣義的線性模型.
Julia 提供了多元組和哈希表，但不提供 R 的列表。當(dāng)返回多項時，應(yīng)該使用多元組：不要使用 list(a = 1, b = 2) ，應(yīng)該使用 (1, 2)
鼓勵自定義類型。Julia 的類型比 R 中的 S3 或 S4 對象簡單。Julia 的重載系統(tǒng)使 table(x::TypeA) 和 table(x::TypeB) 等價于 R 中的 table.TypeA(x) 和 table.TypeB(x)
在 Julia 中，傳遞值和賦值是靠引用。如果一個函數(shù)修改了數(shù)組，調(diào)用函數(shù)會發(fā)現(xiàn)值也變了。這與 R 非常不同，這使得在大數(shù)據(jù)結(jié)構(gòu)上進行新函數(shù)操作非常高效
使用 hcat 和 vcat 來連接向量和矩陣，而不是 c, rbind 和 cbind
Julia 的范圍對象如 a:b 與 R 中的定義向量的符號不同。它是一個特殊的對象，用于低內(nèi)存開銷的迭代。要把范圍對象轉(zhuǎn)換為向量，應(yīng)該用方括號把范圍對象括起來 [a:b]
max和min等價于 R 語言中的pmax和pmin。但是所有的參數(shù)都應(yīng)該有相同的維度。而且 maximum, minimum 可以替代 R 語言的 max and min ，這是最大的區(qū)別。
函數(shù) sum, prod, maximum, minimum和 R 語言中的同名函數(shù)并不相同。它們接收一個或者兩個參數(shù)。第一個參數(shù)是集合，例如一個 array，如果有第二個參數(shù)，這個參數(shù)可以指明數(shù)據(jù)的維度，除此之外操作相似。比如，讓 Julia 中的 A=[[1 2],[3,4]] 和 R 中的 B=rbind(c(1,2),c(3,4))比較會是一個矩陣。接著 sum(A) 和sum(B)會有相同的結(jié)果, 但是 sum(A,1) 是一個包含一列和的行向量，而 sum(A,2) 是一個包含行和的列向量. 如果第二個參數(shù)是向量，如 sum(A,[1,2])=10，需要確保第二參數(shù)沒有問題。
Julia 有許多函數(shù)可以修改它們的參數(shù)。例如， sort(v) 和 sort!(v) 函數(shù)中，帶感嘆號的可以修改 v
colMeans() 和 rowMeans(), size(m, 1) 和 size(m, 2)
在 R 中，需要向量化代碼來提高性能。在 Julia 中與之相反：使用非向量化的循環(huán)通常效率最高
與 R 不同，Julia 中沒有延時求值
不提供 NULL 類型
Julia 中沒有與 R 的 assign 或 get 所等價的語句

與 Python 的區(qū)別

對數(shù)組、字符串等索引。Julia 索引的下標是從 1 開始，而不是從 0 開始
索引列表和數(shù)組的最后一個元素時，Julia 使用 end ，Python 使用 -1
Julia 中的 Comprehensions （還）沒有條件 if 語句
for, if, while, 等塊的結(jié)尾需要 end ；不強制要求縮進排版
Julia 沒有代碼分行的語法：如果在一行的結(jié)尾，輸入已經(jīng)是個完整的表達式，就直接執(zhí)行；否則就繼續(xù)等待輸入。強迫 Julia 的表達式分行的方法是用圓括號括起來
Julia 總是以列為主序的（類似 Fortran ），而 numpy 數(shù)組默認是以行為主序的（類似 C ）。如果想優(yōu)化遍歷數(shù)組的性能，從 numpy 到 Julia 時應(yīng)改變遍歷的順序。

上一篇：網(wǎng)絡(luò)和流下一篇：構(gòu)造函數(shù)