Skip to content

Computing › 程式語言 › Julia 基礎

Julia 基礎 (Julia Fundamentals) ​

Julia 為科學運算設計:寫起來像 Python / R / MATLAB,執行時由 JIT 編譯成機器碼,迴圈也能接近 C 的速度,不必像 Python 一樣靠向量化或改寫成 C 擴充。常見於數值模擬、微分方程、最佳化、統計與部分生資工具(BioJulia)。進階語法見 Julia 進階模式。

特色說明
JIT 編譯第一次呼叫函式時編譯(會慢),之後很快
多重分派 (multiple dispatch)依所有參數的型別選擇要執行的方法,是組織程式的核心方式
1-based 索引、column-major與 R、MATLAB、Fortran 相同;與 Python / NumPy 不同
廣播 (broadcasting)點語法 .+、f.(x) 逐元素運算
型別可選不寫型別也能跑;寫了用於分派與文件

安裝與環境 ​

bash
# 安裝:官方建議用 juliaup 管理版本
winget install --name Julia --id 9NJNWW8PVKMN -e -s msstore   # Windows
curl -fsSL https://install.julialang.org | sh        # macOS / Linux

julia                       # 啟動 REPL
julia script.jl             # 執行腳本
julia
# REPL 中按 ] 進入套件模式
] activate .                # 使用目前資料夾的專案環境(Project.toml + Manifest.toml)
] add DataFrames CSV        # 安裝並寫入 Project.toml
] instantiate               # 依 Manifest.toml 重建環境(可重現)

Project.toml / Manifest.toml 的角色相當於 Python 的 pyproject.toml / uv.lock、R 的 renv.lock。

型別與變數 ​

julia
x = 3
typeof(3), typeof(3.14), typeof(true), typeof("Jane"), typeof('a')
# (Int64, Float64, Bool, String, Char)

parse(Int64, "1")           # 1:字串 → 數字(不會自動轉換)
parse(Float64, "1.5")       # 1.5
string(1)                   # "1"

字串 ​

julia
name = "Jane"                                  # 雙引號 = String,單引號 = Char
poem = """Beware the Jabberwock, my son!
The jaws that bite, the claws that catch!"""   # 多行字串

"Hello " * name                                # 串接用 *(不是 +)
row, seat = 4, 12
"Your seat is row $row, seat $seat."           # 內插
"The product is $(row * seat)"                 # 內插運算式

陣列與廣播 ​

julia
names = ["Ana", "Ben", "Cara"]
typeof(names), eltype(names)          # (Vector{String}, String)

names[1]                              # "Ana":索引從 1 開始
names[end]                            # "Cara"
names[1:2]                            # ["Ana", "Ben"]:範圍包含結尾

x = String[]                          # 空的 String 向量
push!(x, "first")                     # ! 結尾 = 會修改參數的函式(慣例)

a = [1, 2, 3]; b = [10, 20, 30]
a .+ 2                                # [3, 4, 5]
a .+ b                                # [11, 22, 33]
a .* 5                                # [5, 10, 15]
sqrt.(a)                              # 函式也能廣播
a * 5                                 # 純量乘向量可以不加點;但 a * b 是矩陣乘法 → 維度錯誤

沒加點時,運算子是線性代數意義(* 是矩陣乘法),逐元素運算一定要用 .*、.^、f.(x)。

控制流程 ​

julia
if score >= 90
    println("Excellent")
elseif score >= 70
    println("Good effort")
else
    println("Keep trying")
end

for name in names                     # 迴圈與 if 都以 end 結束
    println(name)
end

counter = 1
while counter <= 3
    counter += 1
end

比較運算子:==、!=、<、<=、>、>=;邏輯:&&、||、!。

函式與多重分派 ​

julia
function double(x)
    return x * 2
end
double_short(x) = x * 2               # 單行定義

double(x::String) = x * x             # 同名函式、不同參數型別 → 不同方法
double(x::Bool) = !x

double(2)        # 4
double(10.0)     # 20.0
double("ab")     # "abab"
double(true)     # false
methods(double)  # 列出所有方法

多重分派依所有參數的型別選方法(Python 的方法只依第一個參數 self 的類別),所以不同套件定義的型別與函式可以自然組合。

DataFrames 與 CSV ​

julia
using DataFrames, CSV

df = DataFrame(
    day = ["Wednesday", "Monday", "Thursday"],
    distance = [2000, 5000, 3500],
    time = [14.99, 31.68, 22.02],
    raining = [true, false, true],
)
df = CSV.read("run.csv", DataFrame)          # 讀 CSV

first(df, 3); names(df); size(df); describe(df)   # 檢視

df[2, 3]            # 第 2 列第 3 欄的值
df[:, :distance]    # 一欄(複本);df.distance 或 df[!, :distance] 不複製
df[2:4, :]          # 多列
df[:, 1:3]          # 多欄

sort(df, :distance)
filter(row -> row.day == "Monday", df)
filter(row -> row.distance <= 3000 && row.raining, df)

df.speed = (df.distance ./ 1000) ./ (df.time ./ 60)   # 新欄位:km/h,用廣播
操作Julia DataFramespandas
讀檔CSV.read(f, DataFrame)pd.read_csv(f)
取欄df.col、df[!, :col]df["col"]
篩選filter(row -> cond, df)、subset(df, :col => ByRow(f))df[cond]、df.query()
分組彙總combine(groupby(df, :g), :x => mean)df.groupby("g")["x"].mean()

常見錯誤 ​

錯誤說明
以為索引從 0 開始Julia 從 1 開始,end 是最後一個
"a" + "b"字串串接用 *
逐元素運算忘了點a * b 是矩陣乘法
混用 String 與 Char"a" 與 'a' 不同型別
文字沒有 parse 就當數字用不會自動轉換
第一次執行很慢就以為 Julia 慢那是 JIT 編譯時間,見 進階模式:量測時間