我读到的关于Julia的文章讨论了两种语言问题，并以Python或R为例。你在Python中创建一个程序，但是必须调用像numPy这样的库，用C语言编写。对于统计计算，Python很慢，而且库可以帮助加快速度。因此，这两个语言问题。
这被描述为Python中的原型（如果在示例中使用，则为R）。原型设计意味着什么？
以下是一些例子：
（第2段开头）https://www.mapr.com/blog/julia-fresh-approach-numerical-computing-and-data-science
答案 0 :(得分：2)
他们的意思是知道如何编程的数据分析师，例如Python通常会快速编写代码，为中小型数据集提供正确的答案。然后，一旦验证了这个想法，由于各种原因，代码必须被重写，有时用完全不同的语言，如C ++（第二语言问题）。
Python对C和C ++具有相当好的绑定，在较小程度上R和其他。但是以这种方式编程确实令人困惑（如果你在两者中编写，而不是使用Python编写的成熟库）。调试起来比较困难。
NumPy和SciPy帮助，因为它们允许您使用Python代码表达数字数据转换，但实现在C和Fortran中进行了高度优化。但是如果你的算法没有对矢量或矩阵运算有明显的转换呢？生成一个快速处理大型数据集的程序可能需要花费很多精力（和重新验证）。
有些人声称，例如Julia允许您快速编写代码，但是编写速度慢的代码并不容易。