外觀
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 DataFrames | pandas |
|---|---|---|
| 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 |