与其它语言的区别
与 MATLAB 的区别
Julia 的语法和 MATLAB 很像。但 Julia 不是简单地复制 MATLAB ，它们有很多句法和功能上的区别。以下是一些值得注意的区别：
- 数组用方括号来索引，
A[i,j] - 数组是用引用来赋值的。在
A=B之后，对B赋值也会修改A - 使用引用来传递和赋值。如果一个函数修改了数组，调用函数会发现值也变了
- Matlab 把赋值和分配内存合并成了一个语句。比如：
a(4) = 3.2会创建一个数组a = [0 0 0 3.2]，即为a分配了内存并且将每个元素初始化为0,然后为第四个元素赋值3.2，而a(5) = 7会为数组a增加长度，并且给第五个元素赋值7。 Julia 把赋值和分配内存分开了： 如果a长度为4,a[5] = 7会抛出一个错误。 Julia 有一个专用的push!函数来向Vectors里增加元素。并且远比Matlab的a(end+1) = val来的高效。 - 虚数单位
sqrt(-1)用im来表示 - 字面上的数字如果没有小数点，则会被默认为整数类型而不是浮点类型。且支持任意长度的整数类型。但是这也意味着一些如
2^-1的表达式因为不是正式而抛出一个异常。 - Julia 有一维数组。列向量的长度为
N，而不是Nx1。例如，rand(N)生成的是一维数组 - 使用语法
[x,y,z]来连接标量或数组，连接发生在第一维度（“垂直”）上。对于第二维度（“水平”）上的连接，需要使用空格，如[x y z]。 要想构造块矩阵，尽量使用语法[a b; c d] -
a:b和a:b:c中的冒号，用来构造Range对象。使用linspace构造一个满向量，或者通过使用方括号来“连接”范围，如[a:b] - 函数返回须使用
return关键字，而不是把它们列在函数定义中 - 一个文件可以包含多个函数，文件被载入时，所有的函数定义都是外部可见的
-
sum,prod,max等约简操作，如果被调用时参数只有一个，作用域是数组的所有元素，如sum(A) -
sort等函数，默认按列方向操作。（sort(A)等价于sort(A,1)）。要想排序1xN的矩阵，使用sort(A,2) - 如果
A是 2 维数组,fft(A)计算的是 2 维 FFT. 尤其注意的是, 它不等效于fft(A,1), 后者计算的是按列的 1 维 FFT. - 即使是无参数的函数，也要使用圆括号，如
tic()和toc() - 表达式结尾不要使用分号。表达式的结果不会自动显示（除非在交互式提示符下）。
println函数可以用来打印值并换行 - 若
A和B是数组，A == B并不返回布尔值数组。应该使用A .== B。其它布尔值运算符可以类比，<,>,!=等 - 符号
&、|和$表示位运算“和”、“或”以及“异或”。它们和Python中的位运算符有着相同的运算符优先级，和c语言中的位运算符优先级并不一样。 它们能被应用在标量上或者应用在两个数组间（对每个相同位置的元素分别进行逻辑运算，返回一个由结果组成的新数组）。 值得注意的是它们的运算符优先级，别忘了括号: 如果想要判断变量A是等于1还是2, 要这样写(A .== 1) | (A .== 2)。 - 可以用
...把集合中的元素作为参数传递给函数，如xs=[1,2]; f(xs...) - Julia 中
svd返回的奇异值是向量而不是完整的对角矩阵 - Julia 中
...不用来将一行代码拆成多行。Instead, incomplete expressions automatically continue onto the next line. - 变量
ans是交互式会话中执行的最后一条表达式的值；以其它方式执行的表达式的值，不会赋值给它 - Julia 的 type 类型和Matlab中的 classes 非常接近。Matlab 中的 structs 行为介于 Julia 的 types 和 Dicts 之间。如果你想添加一个域在 strut 中，使用 Dict 会比 type 好一些。
与 R 的区别
Julia 也想成为数据分析和统计编程的高效语言。与 R 的区别：
- 使用
=赋值，不提供<-或<<-等箭头式运算符 - 用方括号构造向量。Julia 中
[1, 2, 3]等价于 R 中的c(1, 2, 3) - Julia 的矩阵运算比 R 更接近传统数学语言。如果
A和B是矩阵，那么矩阵乘法在 Julia 中为A * B， R 中为A %*% B。在 R 中，第一个语句表示的是逐元素的 Hadamard 乘法。要进行逐元素点乘，Julia 中为A .* B - 使用
'运算符做矩阵转置。 Julia 中A'等价于 R 中t(A) - 写
if语句或for循环时不需要写圆括号：应写for i in [1, 2, 3]而不是for (i in c(1, 2, 3))；应写if i == 1而不是if (i == 1) -
0和1不是布尔值。不能写if (1)，因为if语句仅接受布尔值作为参数。应写成if true - 不提供
nrow和ncol。应该使用size(M, 1)替代nrow(M)；使用size(M, 2)替代ncol(M) - Julia 的 SVD 默认为非 thinned ，与 R 不同。要得到与 R 一样的结果，应该对矩阵
X调用svd(X, true) - Julia 区分标量、向量和矩阵。在 R 中，
1和c(1)是一样的。在 Julia 中，它们完全不同。例如若x和y为向量，则x' * y是一个单元素向量，而不是标量。要得到标量，应使用dot(x, y) - Julia 中的
diag()和diagm()与 R 中的不同 - Julia 不能在赋值语句左侧调用函数：不能写
diag(M) = ones(n) -
Julia 不赞成把 main 命名空间塞满函数。大多数统计学函数可以在 扩展包中找到，比如 DataFrames 和 Distributions 包：
- Distributions 包提供了概率分布函数.
- DataFrames 包提供了数据框架
- GLM 扩展包提供了广义的线性模型.
- Julia 提供了多元组和哈希表，但不提供 R 的列表。当返回多项时，应该使用多元组：不要使用
list(a = 1, b = 2)，应该使用(1, 2) - 鼓励自定义类型。Julia 的类型比 R 中的 S3 或 S4 对象简单。Julia 的重载系统使
table(x::TypeA)和table(x::TypeB)等价于 R 中的table.TypeA(x)和table.TypeB(x) - 在 Julia 中，传递值和赋值是靠引用。如果一个函数修改了数组，调用函数会发现值也变了。这与 R 非常不同，这使得在大数据结构上进行新函数操作非常高效
- 使用
hcat和vcat来连接向量和矩阵，而不是c,rbind和cbind - Julia 的范围对象如
a:b与 R 中的定义向量的符号不同。它是一个特殊的对象，用于低内存开销的迭代。要把范围对象转换为向量，应该用方括号把范围对象括起来[a:b] -
max和min等价于 R 语言中的pmax和pmin。但是所有的参数都应该有相同的维度。而且maximum,minimum可以替代 R 语言的maxandmin，这是最大的区别。 - 函数
sum,prod,maximum,minimum和 R 语言中的同名函数并不相同。它们接收一个或者两个参数。第一个参数是集合，例如一个 array，如果有第二个参数，这个参数可以指明数据的维度，除此之外操作相似。比如，让 Julia 中的A=[[1 2],[3,4]]和 R 中的B=rbind(c(1,2),c(3,4))比较会是一个矩阵。 接着sum(A)和sum(B)会有相同的结果, 但是sum(A,1)是一个包含一列和的行向量，而sum(A,2)是一个包含行和的列向量. 如果第二个参数是向量，如sum(A,[1,2])=10， 需要确保第二参数没有问题。 - Julia 有许多函数可以修改它们的参数。例如，
sort(v)和sort!(v)函数中，带感叹号的可以修改v -
colMeans()和rowMeans(),size(m, 1)和size(m, 2) - 在 R 中，需要向量化代码来提高性能。在 Julia 中与之相反：使用非向量化的循环通常效率最高
- 与 R 不同，Julia 中没有延时求值
- 不提供
NULL类型 - Julia 中没有与 R 的
assign或get所等价的语句
与 Python 的区别
- 对数组、字符串等索引。Julia 索引的下标是从 1 开始，而不是从 0 开始
- 索引列表和数组的最后一个元素时，Julia 使用
end，Python 使用 -1 - Julia 中的 Comprehensions （还）没有条件 if 语句
- for, if, while, 等块的结尾需要
end；不强制要求缩进排版 - Julia 没有代码分行的语法：如果在一行的结尾，输入已经是个完整的表达式，就直接执行；否则就继续等待输入。强迫 Julia 的表达式分行的方法是用圆括号括起来
- Julia 总是以列为主序的（类似 Fortran ），而
numpy数组默认是以行为主序的（类似 C ）。如果想优化遍历数组的性能，从numpy到 Julia 时应改变遍历的顺序。