社区和学习曲线的总体结论
Posted: Mon Mar 24, 2025 3:30 am
比较用例，你可以清楚地看到 Julia 的表现是所有语言中最差的。这是由于文件 IO 速度慢造成的；将数据从 CSV 文件加载到数据框中，这占用了大部分运行时间。作为 Julia 的新手，有可能（而且很有可能）忽视了将数据框加载到 Julia 中的有效方法。尽管如此，快速的文件 IO 对于 DS 来说非常重要，尤其是在大数据时代。
图 2：基于实施、绩效、
从用例的实现来看，Python 显然是赢家。所有三个用例都易于实现，有大量可用的示例，并且代码易于解释（易于理解和实现）。这当然是意料之中的，因为 Python 是数据科学的首选语言。
与其他三种语言一样，尽管有些语言表现良好，但实现并不像预期的 BC 数据 那样顺利，其他语言根本没有运行......Julia 具有很大的潜力，您可以在网上找到 K-means 用例的值得称赞的示例。对于另外两种情况，实施起来就变得有点困难了。然而，人们也认为 Julia 尚未达到应有的水平，因此随着语言在内心深处的发展，Julia 可以成为数据科学领域的一颗真正的明珠。
对于 Go 和 Rust 的用例，在网上找到好的示例更加困难，这主要是由于该编程语言的社区较小。然而，Rust 仍处于发展阶段，将来可能会更容易实现这些情况。
换还是不换，这是个问题
这些现代语言表现出一些宝贵的特征，并在某些领域展现出潜力。然而，Python 仍然显示了它的真正价值，尤其是在用例的比较中。当然，这种比较也可以用不同的方式进行；可以选择其他机器学习算法和问题，不同的硬件（仅举几例）。然而在大多数用例中，Python 显然是赢家。请注意，在本质上，Python 在很大程度上依赖于 C/C++。这使得 Python 成为将这些低级算法粘合在一起的合成糖，使它们易于使用。尽管 Rust 不那么容易学习，但由于有多个包（库）可用，它具有相同的功能，因此 Rust 也可能是这方面的一个很好的候选者。
图 2：基于实施、绩效、
从用例的实现来看，Python 显然是赢家。所有三个用例都易于实现，有大量可用的示例，并且代码易于解释（易于理解和实现）。这当然是意料之中的，因为 Python 是数据科学的首选语言。
与其他三种语言一样，尽管有些语言表现良好，但实现并不像预期的 BC 数据 那样顺利，其他语言根本没有运行......Julia 具有很大的潜力，您可以在网上找到 K-means 用例的值得称赞的示例。对于另外两种情况，实施起来就变得有点困难了。然而，人们也认为 Julia 尚未达到应有的水平，因此随着语言在内心深处的发展，Julia 可以成为数据科学领域的一颗真正的明珠。
对于 Go 和 Rust 的用例，在网上找到好的示例更加困难，这主要是由于该编程语言的社区较小。然而，Rust 仍处于发展阶段，将来可能会更容易实现这些情况。
换还是不换，这是个问题
这些现代语言表现出一些宝贵的特征，并在某些领域展现出潜力。然而，Python 仍然显示了它的真正价值，尤其是在用例的比较中。当然，这种比较也可以用不同的方式进行；可以选择其他机器学习算法和问题，不同的硬件（仅举几例）。然而在大多数用例中，Python 显然是赢家。请注意，在本质上，Python 在很大程度上依赖于 C/C++。这使得 Python 成为将这些低级算法粘合在一起的合成糖，使它们易于使用。尽管 Rust 不那么容易学习，但由于有多个包（库）可用，它具有相同的功能，因此 Rust 也可能是这方面的一个很好的候选者。