发帖
雷达卡
与朱莉娅的第二个约会
几个月前，我写了一篇关于Julia分析语言的非常正面的博客，充分展示了其MIT的血统，可理解的结构以及与R和Python的数据科学互操作性。我通过每天的股指值的瘦数据集展示了Julia的一些功能，并展示了它与R强大的ggplot图形子系统的协作。
这次，我决定针对一个更为复杂的数据集测试Julia，我已经使用R和Python对其进行了广泛的研究。我一次又一次发现至关重要的一点是，推动具有规模的分析平台来揭示其优势和劣势。
我在这里使用的数据集包含2001-2018年在芝加哥犯罪记录中的犯罪记录，该文件每天早上发布供下载。目前，它由超过670万条记录和20多个属性组成，包括芝加哥警察局记录的所有犯罪的地点，地点和时间。我的测试围绕加载“主”数据进行，然后通过描述芝加哥社区和犯罪分类的查找表进行增强。从那里，我统计类型，位置和时间上的多属性频率-最终以图形方式显示结果。
R的data.table / tidyverse数据管理/分析生态系统以及Pandas的Python充满了挑战。他们的两个笔记本都易于构造且速度很快。不那么成熟的竞争对手茱莉亚（Julia）将如何堆积？
在青少年时期，Julia语言是一个不断发展的目标，这使得开发过程比使用R和Python慢??一些。但是，我能够做我需要做的事情，采用了从数据框/数据表包驱动的类似开发策略。stackoverflow是我最好的开发朋友，毫不奇怪，R和Python比Julia更有帮助。
那我找到了什么呢？除了一些烦人的问题（例如缺少向量化的“ in”运算符）外，我几乎能够在Julia中模仿我在Python / Pandas中使用的编程风格。实际上，Julia比熊猫具有“按组”处理更为灵活，因为它的功能承认缺失的值，而熊猫则忽略了它们。
不过，令我失望的是Julia与R / Python的相对性能。我认为我很慈善，注意到我在R和Python中运行的测试的运行速度至少是Julia中同类产品的两倍。当然，人们期望朱莉娅应该更快。因此，我想我第二次与茱莉亚约会后会有些沮丧，但还没有像某些人那样愿意放弃。
接下来的代码首先从Chicago Data Portal下载csv文件。然后，它将数据读取到Julia数据帧中，然后将其与几个查找表连接起来-就像使用RDBMS一样。然后，我运行许多涉及类型，时间和地点的频率查询。最后，也许是最令人高兴的是，我使用了RCall包公开的R的ggplot来绘制频率结果图。
1
京公网安备 11010802022788号
