Julia ist eine schnelle, dynamische, zusammensetzbare 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 jedoch kompiliert ausgeführt – mithilfe der Just-In-Time-Compilertechnologie (JIT), um Code im laufenden Betrieb zu kompilieren. Es wurde von Grund auf so konzipiert, dass es Multithreading, Multiprocessing und verteiltes Multiprocessing unterstützt. Julia löst das „Zwei-Sprachen“-Problem – Sie benötigen nicht eine Sprache für benutzerfreundliches Prototyping und eine zweite Sprache für Geschwindigkeit – da Julia bereits einfach zu verwenden und schnell ist. 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 in hohem Maße kompatibel
| JMP-Datentyp | Julia-Datentyp |
| Boolescher Wert | Boolescher Wert |
| Datentabelle | DataFrames.jl |
| Assoziatives Array | Wörterbuch |
| Numerisch | Float64 |
| Matrix | Float64-Matrix |
| Aufführen | Tupel |
| Zeichenfolge | Unicode-Zeichenfolge |
Ein Vorteil von Julia gegenüber Python besteht darin, dass es kein Numpy gibt – die Funktionalität ist einfach integriert.
Anstatt Benutzern mitzuteilen, welche Pakete sie installieren müssen, könnte JMP außerdem PackageCompiler.jl verwenden, um eine eigenständige Binärdatei von Julia mit allen von JMP benötigten 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 spannende, schnell wachsende Sprache in den Bereichen Statistik, maschinelles Lernen und wissenschaftliches Rechnen. Siehe Die unangemessene Wirksamkeit der Programmiersprache Julia von Lee Phillips (09.10.2020).
Durch das Hinzufügen der Unterstützung für Julia können Benutzer auch einige hochmoderne Tools und Codierungen in ihre JSL-Skripte integrieren.
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-sprache-in-JMP/ba-p/480125 . Es ist etwas kompliziert, aber ich finde, dass es für einige einfache Arbeitsabläufe funktionieren kann.
Noch eine Anmerkung zu Datentypen; Julia hat gute Unterstützung für fehlende Werte
| JMP-Datentyp | Julia-Datentyp |
| leer() | Nichts |
| fehlen (.) | fehlen |
