1樓：張金戈
python基本上都是在呼叫c++的庫，本身做乙個膠水語言。python官方也不怎麼重視科學計算，志不在此。
科學計算入門python MATLAB Julia都行，中後期想自己定製修改演算法，python是無能為力的，因為呼叫的是c++庫，不關它的事。MATLAB和Julia倒是可以自己改演算法。Julia裡分數用 1 // 2表示，一開始就定位清晰。
簡單說 python大牛和混子都多。
2樓：Alex Zhang
5年內，我覺得不太可能。
很多人用matlab是因為toolbox，用Python是因為import
matlab這麼多年攢的toolbox和Python這麼多年攢的的各種庫，我覺得5年內julia不一定趕得上。
即便趕得上，解決了有無問題，還有生態、成熟度、工程驗證、使用迭代、商業機構支援等各種問題，5年太短了。
3樓：
科學計算領域現在太龐大了，不同的圈子、不同的使用者都有各自的code和語言偏好，所以很難一概而論。
就研究領域來說。例如搞控制的還是習慣用MATLAB，各種工具箱很完備，雖然部分人開始使用python或julia，但還不是主流；機器學習領域目前python最流行，julia也在發力，但生態還是比不上python。但還有一些傳統的科學計算領域，像計算力學和計算流體力學，C/C++目前是主流，FORTRAN因為歷史原因仍有大量使用者。
所以個人認為，julia作為專門為科學計算設計的語言，在部分領域，主要是計算量較小、比較新興的領域（如機器學習、資料處理、影象處理等），是有希望替代python作用，成為主流的程式語言。但在需要非常龐大計算密度的領域（如動輒數十億網格的有限元和計算流體力學領域），julia的效率目前還很難媲美FORTRAN和C/C++,這些領域暫時沒有代替的希望。
對於科學計算，大家對新出來語言Julia怎麼看，相比C Python和Fortran有什麼優勢發展？
陳默 對於julia，沒需求的真沒必要硬學。對於用慣了python搭積木的，julia不適合你。千萬別誤會自己調tensorflow或者pytorch叫搞科學計算。而對於真正做科學計算的人，julia都無需推廣。 沒有優勢。既要又要的語言一般都不咋地。想要易用性就上python，想要效能就上c或者f...
在科學計算和資料分析領域中，今後 Python R Julia 各自會有什麼樣的發展趨勢？
小離Sidney 現在的我工作上的主力語言。因為Python在經過這麼多年的發展還有這麼多年的積累之後，已經能適應絕大多數的資料分析和科學計算的任務了。科學計算有 SciPy NumPy，畫圖有 matplotlib Chaco，資料分析有 Pandas Scikit learn，所以，從我的使用感...
你所在的電腦科學領域的 big picture 是怎樣的？
散養RA，老師比較寬容，自己挑了transfer learning方向，結合組裡背景，做一些Data Mining和Vedio Image的嘗試。當然，如果本科畢業還有實驗室願意繼續包養我，搞東搞西再幹它個二十年不成問題。1.遷移媒介方面，抽象程度會越來越高，從假設因果，到資料 示例，再到模型 特徵...