Julia 朱莉娅为数据科学解决了什么问题？

我无法找到Julia解决的问题的任何明确答案。有人告诉我，与这两种语言相比，Julia最常用于处理数据（数据科学）、R和Python

我不是在征求任何意见。请用事实信息支持回复（我需要补充这一点，但似乎有些人认为这个话题是基于观点的）

---

有人能解释一下吗？

Julia编程语言解决了与R和Python相同的问题。但是，它可以比上面提到的更快地解决这些问题，因为它在C代码上运行并使用JIT编译器。看。这一点和其他优势可以在上找到，这是推特个人资料：和。

我对其中任何一个都不熟悉，但我只是在谷歌上搜索了一下-所以可能会有所帮助：-）检查一下：@longemen3000谢谢这个链接看起来很有希望。我一有时间就会看，因为我对它链接的内容也很感兴趣。这更适合于格式限制较少的地方。我预计stackoverflow很快就会关闭。在stochasticlifestyle.com上有很多有趣的东西。我认为这些帖子与OP更相关：它不运行太多C代码，也不总是比C代码运行得快，所以我不确定“它运行在C代码上”是什么意思？我想说的是，它可以让程序员更快地编写代码：-）不，说真的。。一个是Julia，因为运行时的性能，但是它仍然存在，因为编写代码要优雅得多。。你更喜欢

使用线性代数a=[4,1]b=[2,3]normC=dot（a，b）/norm（b）c=（dot（a，b）/norm（b）^2）*b

还是

将numpy作为np a=np.array（[4,1]）b=np.array（[2,3]）normC=np.dot（a，b）/np linalg.norm（b）c=（np.dot（a，b）/np linalg.norm（b）**2）*b>？？