Python-Konkurrenz: Die Programmiersprache „Julia“

23.04.2024 | Blog

Eine der bedeutendsten Programmiersprachen für Data Science Projekte ist zweifellos Python. Mit seiner einfachen Syntax und der umfangreichen Bibliotheksvielfalt bietet es eine solide Basis. Dennoch steht Python vor einem bekannten Problem: der Geschwindigkeit. Hier kommt Julia ins Spiel, eine aufstrebende Programmiersprache, die genau diese Lücke zu schließen versucht, ohne dabei an Funktionalität einzubüßen.

Julia ist eine Open-Source Programmiersprache, die speziell für wissenschaftliches Rechnen entwickelt wurde, jedoch auch als Allzweckprogrammiersprache dienen kann. Seit 2009 wird sie am Massachusetts Institute for Technology (MIT) entwickelt und ihre erste Version wurde 2018 veröffentlicht.

Hier sind einige wichtige Aspekte von Julia:

1. Geschwindigkeit:

Ein herausragendes Merkmal von Julia ist ihre beeindruckende Geschwindigkeit im Vergleich zu ähnlichen Programmiersprachen wie Python oder R. Durch eine effiziente Just-In-Time-Kompilierung soll optimierter C-Code höchstens doppelt so schnell sein wie Julia-Code.

2. Standardbibliotheken:

Ein Großteil der Standardbibliotheken in Julia ist in der Sprache selbst geschrieben. Dennoch kann Julia in Bezug auf die Anzahl der verfügbaren Pakete noch nicht mit Python mithalten. Um dieses Problem zu lösen, gibt es Pakete wie JavaCall, RCall und PyCall, mit denen andere Programmiersprachen direkt in Julia aufgerufen werden können. Einige Funktionalitäten, für die andere Sprachen zusätzliche Pakete benötigen, sind bereits in Julia integriert, z. B. nativ implementierte Machine-Learning-Bibliotheken und umfangreiche mathematische Berechnungsmethoden. Daran wird noch einmal besonders deutlich, dass Julia für Data Science und Mathematik entwickelt wurde.

3. Lernressourcen und Community:

Julia soll sich leicht erlernen lassen und einen ähnlich geringen Programmieraufwand wie Python erfordern. Allerdings befindet sich Julia noch in einem frühen Entwicklungsstadium und verfügt über eine vergleichsweise kleine Community und begrenzte Lernressourcen. Trotzdem veröffentlichen die Entwickler regelmäßig neue Versionen mit zusätzlichen Funktionen. Bei unseren Recherchen konnten wir feststellen, dass einige Tutorials aufgrund kleiner Syntaxänderungen nicht mehr aktuell waren. Die Entwickler legen jedoch Wert darauf, die Kompatibilität zu älterem Julia-Code zu gewährleisten.

Julia vereint sowohl die Anforderungen von Data Science Projekten als auch die Geschwindigkeit von Programmiersprachen.

Derzeit werden Data Science Projekte häufig in Python durchgeführt, das aber oft nur für Prototypen verwendet wird, da es nicht schnell genug ist. Um es sinnvoll einsetzen zu können, wird das Programm dann in einer anderen Sprache umgeschrieben.

Julia könnte beide Anforderungen vereinen. Derzeit ist es jedoch sinnvoll, Julia noch nicht für länger laufende Projekte zu verwenden. Julia befindet sich noch in der Entwicklung und einige Funktionen von Python fehlen noch. Dennoch ist es möglich, dass Julia in Zukunft zu einem ernsthaften Konkurrenten für Python wird.

Über den Autor

Bianca Leßmann ist Softwareentwicklerin bei M&M Software und zeigt ein besonderes Interesse für den Bereich Data Science. Erste Erfahrungen zu dem Thema und der Verwendung von Programmen zur Lösung von mathematischen Problemen konnte sie bereits während ihres Bachelor- und Masterstudiums in Physik an der Leibniz Universität Hannover sammeln.

Zurück