Julia vs Python - Quale dovresti imparare?

I campi della data science e del machine learning hanno reso possibile per le macchine imparare dall’esperienza e ricavare intuizioni sorprendenti su come funzionano le cose e le persone. Tuttavia, per sfruttare il potenziale di queste tecnologie serve un livello moderato di competenze tecniche. Sono stati sviluppati molti strumenti per semplificare le procedure nei progetti di data science e machine learning. Ad esempio, dai un’occhiata a i principali linguaggi di programmazione per Data Scientist nel 2022.

Inizialmente, le conversazioni su quale linguaggio di programmazione dovrebbero imparare i principianti per data science e machine learning erano dominate da Python vs. R (puoi saperne di più su la differenza tra Python e R per la Data Science in un post a parte). Ora, le cose stanno iniziando a cambiare; non c’è dubbio che Python sia stato uno dei linguaggi di programmazione più popolari degli ultimi tempi. Secondo il TIOBE Index di novembre 2022, Python è in cima alle classifiche di popolarità, ma c’è un nuovo strumento sulla scena chiamato Julia.  

Man mano che Julia continua a guadagnare slancio, diversi professionisti esperti di data science e machine learning possono chiedersi se valga la pena migliorare le proprie competenze, mentre i principianti si pongono nuove domande come “dovrei imparare Python o Julia?”. In questo articolo presenteremo le differenze tra Python e Julia per aiutarti a semplificare il processo decisionale, così puoi iniziare ad avanzare o migliorare la tua carriera. 

Cos’è Python? 

La maggior parte delle persone nel mondo della tecnologia avrà sentito parlare di Python: è stato popolare tra gli sviluppatori per molti anni, soprattutto con l’ascesa di data science e machine learning. Il linguaggio è stato ideato da Guido van Rossum ed è stato rilasciato per la prima volta nel 1991 come successore del linguaggio di programmazione ABC. 

Python è un linguaggio di programmazione di alto livello, interpretato, orientato agli oggetti, con semantica dinamica, il che significa che le sue variabili sono oggetti dinamici. L’interprete Python e le ampie librerie standard che accompagnano il linguaggio sono distribuiti liberamente e disponibili in formato sorgente o binario. 

“Le sue strutture dati integrate di alto livello, combinate con tipizzazione dinamica e binding dinamico, lo rendono molto attraente per lo sviluppo rapido di applicazioni, oltre che per l’uso come linguaggio di scripting o collante per connettere componenti esistenti.” 

[Fonte: Documentazione Python]

Chi usa Python?

Python è un linguaggio general-purpose. Quindi, puoi usarlo per creare software in un’ampia gamma di domini applicativi su molte configurazioni hardware e sistemi operativi. 

Esempi di domini includono: 

• Data Science (Dai un’occhiata a questo cheat sheet Python per la Data Science per Principianti)
• Scripting/Automazione (ad es., tracciamento dei prezzi dei prodotti e compilazione di moduli)
• Sviluppo web 
• Machine learning
• Test del software 

Dai un’occhiata al nostro articolo su A cosa serve Python? 7 usi reali di Python per approfondire i casi d’uso di Python. 

Vantaggi di Python

Diversi fattori contribuiscono all’estrema popolarità di Python. Eccone alcuni: 

• Accessibilità: La sintassi di Python quasi imita quella del linguaggio naturale, il che la rende più facile da leggere e comprendere per altri sviluppatori. Di conseguenza, è possibile creare progetti e migliorarli più rapidamente, dato che il linguaggio è estremamente semplice. 
• Versatilità: Python è un linguaggio general-purpose, il che significa che può fare e creare molte cose diverse, dal machine learning allo scripting e all’automazione di attività quotidiane.
• Open source: Python è sviluppato sotto una licenza open-source approvata da OSI. È quindi gratuito da usare e distribuire per tutti gli scopi, compresi quelli commerciali. Il fatto che Python sia distribuito liberamente e la sua crescente popolarità hanno contribuito allo sviluppo di una forte community attorno al linguaggio, a cui gli utenti possono attingere ogni volta che serve supporto.
• Librerie: Le librerie sono strumenti estremamente utili che possono rendere gli sviluppatori più efficienti nel loro lavoro. Al momento della stesura, esistono più di 137.000 librerie Python utilizzabili per creare applicazioni in una varietà di campi. 

Svantaggi di Python

Nonostante tutti i vantaggi di Python, non mancano i detrattori per i seguenti motivi: 

• Velocità: Una delle principali critiche a Python è la velocità. Essendo un linguaggio interpretato con tipizzazione dinamica, Python è lento rispetto a linguaggi compilati come C e Java (che può anche essere considerato interpretato, essendo un linguaggio ibrido). 
• Consumo di memoria: Python è flessibile nei tipi di dati, il che comporta un consumo elevato di memoria.
• Ambiente mobile: Pur eccellendo nello sviluppo di applicazioni server e desktop, Python non è ideale per lo sviluppo mobile a causa dell’elevato consumo di memoria e della velocità di elaborazione più lenta rispetto ad altri linguaggi di programmazione. 
• Errori a runtime: Python è un linguaggio a tipizzazione dinamica, il che significa che i tipi di dati sono associati ai valori invece che alle variabili. Molti utenti Python hanno criticato questo design poiché solleva vari problemi. Ad esempio, il valore assegnato a una variabile può essere cambiato in qualsiasi momento in un programma, il che significa che il tipo di dato della variabile potrebbe cambiare, portando così a errori in fase di esecuzione. 

Cos’è Julia?

All’inizio del 2022, nell’anno del loro decimo anniversario, Julia Computing ha annunciato che il linguaggio di programmazione era stato scaricato quasi 35 milioni di volte, quasi cinque volte il numero totale cumulativo di download di tre anni prima. È questo tipo di crescita che ha portato Julia all’attenzione di diversi sviluppatori.

Nota: Sviluppa le tue competenze di programmazione in Julia con il corso Introduction to Julia. 

I fondatori di Julia – Jeff Bezanson, Alan Edelman, Stefan Karpinski, Viral B. Shah – avevano un obiettivo chiaro: migliorare le carenze di altri linguaggi di programmazione incorporandone al contempo le qualità distintive e desiderabili. In un post sul blog intitolato Why we Created Julia, gli autori affermano senza mezzi termini: “Siamo avidi: vogliamo di più” prima di elencare diverse qualità desiderabili ma ambiziose che vorrebbero fossero presenti in Julia.

“Vogliamo un linguaggio open source, con una licenza permissiva. Vogliamo la velocità di C con il dinamismo di Ruby. Vogliamo un linguaggio omoiconico, con macro vere come Lisp, ma con una notazione matematica ovvia e familiare come Matlab. Vogliamo qualcosa di utilizzabile per la programmazione generale come Python, facile per la statistica come R, naturale per l’elaborazione di stringhe come Perl, potente per l’algebra lineare come Matlab, bravo a incollare programmi insieme come la shell. Qualcosa di estremamente semplice da imparare, che renda felici anche gli hacker più esigenti. Lo vogliamo interattivo e lo vogliamo compilato. (Abbiamo detto che dovrebbe essere veloce come C?).”

[Fonte: Why we Created Julia]

Quando hanno rilasciato Julia 1.0.0 nel 2018, il 90% delle promesse fatte sei anni prima era stato mantenuto. 

Ma cos’è esattamente Julia? 

Il modo migliore per pensarci è come a un linguaggio di programmazione di alto livello, dinamico, veloce e facile da usare, con funzionalità particolarmente adatte all’analisi numerica e alla scienza computazionale. Puoi saperne di più su L’ascesa di Julia in un articolo a parte. 

Chi usa Julia?

Uno degli obiettivi primari di Julia era sviluppare un linguaggio che consentisse agli sviluppatori di scrivere codice conciso, di alto livello, generico e astratto, simile alle formule matematiche, pur riuscendo a generare rapidamente il codice macchina di basso livello tipico dei linguaggi statici. 

Pur essendo stato progettato specificamente pensando a utenti tecnici e scientifici, Julia è considerato anche un linguaggio general-purpose, il che significa che è ampiamente applicabile tra i domini applicativi e non ha funzionalità specialistiche. 

Queste caratteristiche hanno reso Julia estremamente attraente per gli sviluppatori in campi che coinvolgono: 

• Calcolo numerico 
• Machine learning
• Statistica
• Sviluppo web

Dai un’occhiata al nostro articolo A cosa serve Julia? 10 applicazioni della programmazione Julia per approfondire i casi d’uso di Julia. 

Vantaggi di Julia

• Velocità: Uno dei principali punti di forza di Julia è senza dubbio la velocità. Julia è veloce. Usa la compilazione just-in-time (JIT), il che significa che c’è meno possibilità che il codice venga interpretato più volte, quindi c’è meno overhead. Inoltre, Julia supera costantemente i linguaggi di programmazione per i dati esistenti come Python, R e Matlab nei test di benchmark, il che si riduce al fatto che Julia è un linguaggio compilato invece che interpretato. 
• Accessibilità: Julia ha una sintassi chiara – più pulita di C++ – semplice da usare e facile da imparare. È a tipizzazione dinamica, che in genere è più concisa rispetto ai linguaggi staticamente tipizzati.
• Finalità: Gran parte del lavoro quotidiano dei creatori di Julia includeva calcolo scientifico, machine learning, data mining, algebra lineare su larga scala e calcolo distribuito e parallelo. Pertanto, Julia è stato progettato con il calcolo scientifico in mente e contiene un’ampia selezione di package che abilitano ulteriori casi d’uso nei campi della scienza, matematica, statistica e machine learning. 

Svantaggi di Julia

Nonostante l’introduzione positiva finora, il linguaggio è tutt’altro che perfetto e al momento presenta alcune limitazioni significative. 

• Età: Julia è un linguaggio nuovo. Pertanto, non è popolare o supportato quanto altri linguaggi come Python e R.
• Il problema del time to first plot: Ci sono ancora alcuni problemi con il compilatore JIT di Julia, che comportano un ritardo evidente quando si tenta di eseguire per la prima volta il codice di alcuni package. Gli autori affermano: “Per come funziona Julia sotto il cofano, questo è un problema difficile da risolvere, ma negli ultimi anni sono stati fatti molti progressi per ridurre questo tempo di compilazione.” [Fonte: Documentazione Julia].  
• Ecosistema ridotto: Come prevedibile per una tecnologia nuova, la community e l’ecosistema di Julia sono ancora nelle fasi iniziali. Sebbene Julia disponga di molte soluzioni e package unici, questi impallidiscono se confrontati con l’ecosistema di Python e R, entrambi in evoluzione da oltre 20 anni. 

Python vs. Julia: differenze chiave

Python vanta una community consolidata e ampia che contribuisce al linguaggio e supporta altri sviluppatori Python. Il linguaggio è anche estremamente versatile e ha diversi casi d’uso, onorando così il nome di linguaggio di programmazione general-purpose. Al contrario, pur essendo anch’esso considerato un linguaggio general-purpose, Julia è notevolmente meno versatile di Python – tuttavia è un ottimo strumento per la programmazione scientifica. 

Uno dei principali fattori che rendono Julia così attraente è la sua velocità: Julia batte Python in velocità e prestazioni. Questo perché Julia è un linguaggio compilato scritto alla base, mentre Python è un linguaggio interpretato, il che significa che ogni riga deve essere rielaborata, con conseguente esecuzione più lenta.   

Julia vs Python - quale scegliere? 

È troppo presto per affermare esplicitamente che Julia spodesterà Python in determinati domini, come data science e machine learning. Sebbene entrambi i linguaggi vantino sintassi facili da leggere e imparare, ciascuno ha i propri vantaggi. Ad esempio, Python ha una community ampia e consolidata e una vasta gamma di framework e librerie, oltre a essere estremamente versatile. Julia, d’altra parte, è uno strumento eccellente per il calcolo scientifico che sta crescendo in popolarità grazie alla sua velocità. 

Per i professionisti esperti, imparare un nuovo linguaggio di programmazione può essere un investimento utile se i benefici del linguaggio sono significativi, dato che acquisire la competenza richiede tempo, il che può ridurre la produttività. I principianti che iniziano il loro percorso dovrebbero prestare attenzione alle offerte di lavoro per vedere quali competenze sono richieste e attrezzarsi di conseguenza. 

Un altro modo per decidere quale linguaggio scegliere è considerare il tipo di programmi che intendi costruire. Per programmi non estremamente grandi, Python può generare risultati più velocemente di Julia poiché è interpretato invece che compilato. Tuttavia, se pensi di creare programmi con computazioni pesanti sulla CPU, probabilmente dovresti orientarti maggiormente su Julia.