Je ne peux pas vraiment te répondre de manière éclairée sur le différentiel avec Python, n'ayant jamais pratiqué sérieusement Python, avec lequel je n'ai jamais accroché.
Ca a peut être été ma chance d'ailleurs, qui m'a ainsi rendu disponible pour Julia.
Sur le dernier liens, les interventions de solarnet sont intéressantes.
Pour ma part, je pense que le truc le plus intéressant, c'est l'ensemble: multiméthode + détection de type qui permet
- d'écrire un brouillon sans ce soucier du type et d'avoir déjà un code efficace.
- éventuellement, d'optimiser tout un code en changeant juste une ligne de typage
- d'utiliser du code non typé de manière efficace pour un type nouveau, en évitant la duplication de code.
Par exemple, dans le chapitre 7, j'implémente un type de corps de nombres, ce qui me permet automatiquement de faire du calcul sur des matrices à coefficients dans ce corps, sans jamais avoir écrit de code sur le produit de matrices ou le déterminant.
Un ami matheux qui avait, lui, utilisé pas mal Python, me dit avoir le sentiment que Julia fait automatiquement les optimisations qu'il avait appris à faire en Python. Si ce n'est que ça, c'est déjà très bien.
[^] # Re: Et par rapport à Python ?
Posté par mac_is_mac (site web personnel) . En réponse au journal Un ouvrage sur Julia. Évalué à 6.
Je ne peux pas vraiment te répondre de manière éclairée sur le différentiel avec Python, n'ayant jamais pratiqué sérieusement Python, avec lequel je n'ai jamais accroché.
Ca a peut être été ma chance d'ailleurs, qui m'a ainsi rendu disponible pour Julia.
Quelques liens avec des éléments de réponse:
https://tobydriscoll.net/blog/matlab-vs.-julia-vs.-python/
https://news.ycombinator.com/item?id=20344675
Sur le dernier liens, les interventions de solarnet sont intéressantes.
Pour ma part, je pense que le truc le plus intéressant, c'est l'ensemble: multiméthode + détection de type qui permet
- d'écrire un brouillon sans ce soucier du type et d'avoir déjà un code efficace.
- éventuellement, d'optimiser tout un code en changeant juste une ligne de typage
- d'utiliser du code non typé de manière efficace pour un type nouveau, en évitant la duplication de code.
Par exemple, dans le chapitre 7, j'implémente un type de corps de nombres, ce qui me permet automatiquement de faire du calcul sur des matrices à coefficients dans ce corps, sans jamais avoir écrit de code sur le produit de matrices ou le déterminant.
Un ami matheux qui avait, lui, utilisé pas mal Python, me dit avoir le sentiment que Julia fait automatiquement les optimisations qu'il avait appris à faire en Python. Si ce n'est que ça, c'est déjà très bien.