作为数据科学家，我并没有选择 Python，而是从 R 到了 Julia！

Posted 2023-02-16 CSDN资讯

【CSDN 编者按】在数据科学中，往往有很多种编程语言可供选择，譬如近些年爆火的 Python、应用广泛的 R，以及 C、Java、javascript 还有 Julia。或许根据不同的应用场景，每种语言都各有优劣。本篇文章中，一位长期耕耘在公共卫生领域的大学教授分享了切身的使用经验，其表示：学习 Julia 是一项比坚持使用 R 更好的长期投资。

原文链接：https://drtomasaragon.github.io/posts/2023-01-14-my-journey-from-r-to-julia/

声明：本文为 CSDN 翻译，未经允许，禁止转载。

作者：Tomás Aragón

译者 | 弯月     责编 | 屠敏

出品 | CSDN（ID：CSDNnews）

以下为译文：

使用 R 语言的历史

15 年以来，我一直在美国加州大学伯克利分校公共卫生学院教授“基于R语言的应用流行病学”。我从 2000 年初开始教授这门课程，当时大多数人对 R 并不感兴趣。后来，R 语言的受欢迎程度提高了，参加我的课程的人数也增加了。我教授的是应用流行病学的 R 语言编程基础。学生需要完成自己选择的项目。因为我的学生来自多个学科，因此他们的项目通常非常有创意，我从他们身上也学到了很多知识。

在过去的 15 年里，我亲眼目睹了“数据科学”的兴起，以及学生们在项目中表现出来的独特性和创造性。当然，这门课程本身也在不断发展。我利用贝叶斯网络作为统一框架来介绍概率依赖、因果图和决策网络（用于决策分析）。

后来，我开始尝试 Python。不幸的是，疫情导致我的教学中断，因为我是美国旧金山的卫生主任兼人口卫生司司长。为了应对疫情，我几乎没有时间学习 Python 以及 Python 数据分析。

我不记得具体的时间，但最终我发现了 Julia，这是一种专为科学计算而设计的编程语言，不仅拥有 Python 和 R 的简单性，而且还具备 C++ 的速度。我爱上了 Julia，并放弃了学习 Python。无论是过去还是现在，我都没有时间同时学习一门以上的编程语言。随着我对 Julia 的了解越来越多，我开始相信，对我来说，学习 Julia 是一项比坚持使用 R 更好的长期投资。

我通过编程来探索或测试我对流行病的研究、学习新方法以及可视化和分析数据。我对贝叶斯网络、决策网络、因果推理、马尔可夫决策过程，以及基于主体的建模很感兴趣。

以下是我认为流行病学家十分看重的一些 Julia 的关键特性：

• 多重分派

• 复合类型

• 即时编译

• 速度（非常快）

• 社区

使用 Julia 编程更加简单。例如，在 R 中，我们需要尽量避免循环，因为这类语句非常低效。但在 Julia 中，循环的执行效率很高，因为 Julia 会在执行之前先编译代码。

下面，我用一个简单的例子来演示多重分派。注意，R 语言是单分派。

Julia 中的多重分派示例

我是 R 语言的 epitools 包的创建者。我开发了基本流行病学的分析函数，其中有几个来自 Kenneth J. Rothman 编写的教科书《现代流行病学》。例如，如果我想创建一个函数来计算 2x2 列联表的优势比，则可以通过以下几种方式提供数据：

• 四个整数计数

• 两个比例

• 一个 2x2 表（矩阵）

• 两个向量，带有分类数据

如果我想编写一个函数来处理这些数据类型，就不得不对数据类型进行大量处理和检查，才能调用下一个函数（嵌套或外部）。其中涉及的工作量超出了必要。下面，我们来看看如何利用 Julia 的多重分派来实现这个函数。

2003 年，我们发表了一项研究，证明饮用未经过滤的市政自来水与晚期 HIV 病患者感染隐孢子虫病有一定的关系。下面是论文中的列联表。

暴露	病例	对照
最高	12	6
中级	35	64
最低	2	29

让我们比较一下暴露最高的类别和最低的类别，计算未经调整的优势比。下面的计算使用的是 2x2 列联表。

暴露	病例	对照
最高	12	6
最低	2	29

对于结构化的表，优势比需要计算交叉积。

对于病例对照研究的设计，优势比就是暴露的比例。

我们将创建三个函数，分别接收三种不同类型的参数来计算优势比。

• 四个整数计数

• 两个比例

• 一个 2x2 表（矩阵）

问题在于，这三个函数的名称相同，皆为oddsratio。在 Julia 中，我们可以利用多重分派实现。相比之下，R 语言则是单分派。

## 函数1
function oddsratio(a::Int, b::Int, c::Int, d::Int)
or = (a * d) / (b * c)
return or
end

下面，我们来测试一下函数oddsratio，将如上 2x2 表中的四个整数传递进去：

oddsratio(12, 6, 2, 29)

结果为：

29.0

下面是第二个函数，接受的参数为两个比例，例如病例对照中的暴露率之比。

## 函数 2
function oddsratio(p1::Float64, p0::Float64)
or = ((p1)/(1 - p1)) / ((p0)/(1 - p0))
return or
end

下面我们来测试一下函数oddsratio，将如上 2x2 表中的两个比例传递进去：

prop1 = 12 / (12 + 2) # 病例组的暴露率
prop0 = 6 / (6 + 29) # 对照组的暴露率
oddsratio(prop1, prop0)

结果为：

28.999999999999982

最后是第三个函数，接受的参数为一个 2x2 表（矩阵）：

## 函数 3
function oddsratio(x::MatrixInt)
or = (x[1, 1] * x[2, 2]) / (x[1, 2] * x[2, 1])
return or
end

下面我们来测试一下函数oddsratio，将如上的 2x2 表传递进去：

tab = [12 6; 2 29]

2×2 MatrixInt64:

12   6

2  29

oddsratio(tab)

结果为：

29.0

这就是多重分派。函数 oddsratio 有三种写法，可以处理多种数据类型。请注意，编写这些代码非常容易。

methods(oddsratio)

函数 oddsratio 的三种调用方法：

• oddsratio(a::Int64, b::Int64, c::Int64, d::Int64) in Main at In[2]:2

• oddsratio(p1::Float64, p0::Float64) in Main at In[4]:2

• oddsratio(x::MatrixInt64) in Main at In[6]:2

总结

在本文中，我简单介绍了我从 R 切换到 Julia 的主要原因。我说明了如何编写多重分派函数。请注意，使用三种方法来处理不同参数类型的函数对我来说是多么容易。

我很喜欢 Julia，相信你也会喜欢。

最后，你还可以通过 Julia 运行 R 或 Python 代码。

《2022-2023 中国开发者大调查》重磅启动，欢迎扫描下方二维码，参与问卷调研，更有 iPad 等精美大礼等你拿！

☞被 Twitter 解雇三个月，他带着竞品 Spill “杀”回来了！网友：这是什么爽文情节？
☞“我把 ChatGPT 和苹果的 Siri 组了个队，发现无敌了！”
☞网传微软苏州裁员：赔偿N+12个月工资；ChatGPT将上线付费订阅；Win 10数字许可停售 | 极客头条