朱莉娅是一种快速、动态、可组合的通用编程语言，非常适合统计数据分析、机器学习、自动微分、其他数值建模以及更通用的程序。 它感觉像是一种脚本语言，但运行编译后——使用即时 (JIT) 编译器技术即时编译代码。 它的设计初衷就是支持多线程、多处理和分布式多处理。 Julia 解决了“两种语言”问题——你不需要一种语言来进行易于使用的原型设计，而另一种语言则可以提高速度——因为 Julia 已经很容易使用了和快速地。 您可以在 Julia 中编写高性能代码。
该提议将支持 Julia，类似于当前支持 Python 的方式。
两种语言之间的数据类型高度兼容
| JMP 数据类型 | 朱莉娅数据类型 |
| 布尔值 | 布尔值 |
| 数据表 | 数据帧.jl |
| 关联数组 | 字典 |
| 数字 | 浮点64 |
| 矩阵 | Float64 矩阵 |
| 列表 | 元组 |
| 细绳 | Unicode 字符串 |
与 Python 相比，Julia 的一个优势是没有 Numpy——该功能只是内置的。
此外，JMP 可以使用 PackageCompiler.jl 创建一个独立的 Julia 二进制文件，其中包含 JMP 所需的所有包，并与 JMP 一起分发，而不是告诉用户他们需要安装哪些包。Julia 集成开箱即用（或“在安装程序完成后”）。 高级 Julia 用户可以选择替换它，但对其他人来说，它只是工作。
Julia 是统计、机器学习和科学计算领域中一种令人兴奋的、快速发展的语言。 看Julia 编程语言的不合理效率, 李菲利普斯 (10/9/2020)。
添加对 Julia 的支持还会让用户将一些最先进的工具和编码放到他们的 JSL 脚本中。
关于数据类型的另一个说明； Julia 对缺失值有很好的支持
| JMP 数据类型 | 朱莉娅数据类型 |
| 空的（） | 没有 |
| 失踪 （。） | 失踪 |
我在这里分享了一些使用 JSL 调用 Julia 的说明https://community.jmp.com/t5/JMPer-Cable/How-to-The-Julia-programming-language-in-JMP/ba-p/480125 . 这有点复杂，但我发现它可以用于一些简单的工作流程。
