Julia ist eine schnelle, dynamische, komponierbare Allzweck-Programmiersprache, die sich gut für statistische Datenanalyse, maschinelles Lernen, automatische Differenzierung, andere numerische Modellierung sowie allgemeinere Programme eignet. Es fühlt sich an wie eine Skriptsprache, wird aber kompiliert ausgeführt – unter Verwendung der Just-In-Time (JIT)-Compilertechnologie, um Code im Handumdrehen zu kompilieren. Es wurde von Grund auf so konzipiert, dass es Multithreading, Multiprocessing und Distributed Multiprocessing unterstützt. Julia löst das „Zwei-Sprachen“-Problem – Sie brauchen nicht eine Sprache für benutzerfreundliches Prototyping und keine zweite Sprache für Geschwindigkeit – da Julia bereits einfach zu bedienen ist und schnell. Sie können Ihren Hochleistungscode in Julia selbst schreiben.
Dieser Vorschlag würde darin bestehen, Julia ähnlich zu unterstützen, wie Python derzeit unterstützt wird.
Datentypen sind zwischen den beiden Sprachen hochkompatibel
| JMP-Datentyp | Julia-Datentyp |
| Boolesch | Boolesch |
| Datentabelle | DataFrames.jl |
| Assoziatives Array | Wörterbuch |
| Numerisch | Float64 |
| Matrix | Float64-Matrix |
| Liste | Tupel |
| Schnur | Unicode-String |
Ein Vorteil von Julia gegenüber Python ist, dass es kein Numpy gibt – diese Funktionalität ist einfach integriert.
Anstatt den Benutzern mitzuteilen, welche Pakete sie installieren müssen, könnte JMP außerdem PackageCompiler.jl verwenden, um eine eigenständige Binärdatei von Julia mit allen für JMP erforderlichen Paketen zu erstellen und diese mit JMP zu verteilen.Die Julia-Integration würde sofort funktionieren (oder „nach Abschluss des Installationsprogramms“). Fortgeschrittene Julia-Benutzer hätten die Möglichkeit, es zu ersetzen, aber für alle anderen funktioniert es einfach.
Julia ist eine aufregende, schnell wachsende Sprache in den Bereichen Statistik, maschinelles Lernen und wissenschaftliches Rechnen. Sehen Die unzumutbare Effektivität der Programmiersprache Julia , von Lee Phillips (09.10.2020).
Durch das Hinzufügen von Unterstützung für Julia könnten Benutzer auch einige hochmoderne Tools und Codierungen in ihre JSL-Skripts einfügen.
Noch eine Anmerkung zu Datentypen; Julia hat eine gute Unterstützung für fehlende Werte
| JMP-Datentyp | Julia-Datentyp |
| leer() | nichts |
| fehlen (.) | fehlen |
Ich habe hier einige Anweisungen für den Anruf bei Julia mit JSL geteilt https://community.jmp.com/t5/JMPer-Cable/How-to-The-Julia-programming-language-in-JMP/ba-p/480125 . Es ist ein bisschen kompliziert, aber ich finde, dass es für einige einfache Workflows funktionieren kann.
