我一直在使用R进行公司财务和资产定价研究，并且由于我在数学和统计学方面的背景，我非常喜欢。到目前为止，我在R中遇到了两个主要的约束。第一个是处理大数据文件，但我有点通过将R与PostgreSQL和Spark结合起来来避开它，我相信我可以从高性能计算机或AWS云中获得更多内存在将来。第二个约束是执行速度（对于通过刻度安全报价数据处理滴答很重要），我被推荐Julia比R具有巨大的速度优势。我的问题是，由于Rcpp提供了非常快的执行速度，Julia的速度优势仍然存在保持？我在考虑是否应该学习朱莉娅。
此外，R提供了与WRDS，Quandl，TrueFX和TAQ完美的数据库连接，我真的习惯了Hadley Wickham风格的数据清理。作为一名学者，我有点像R得到了像Journal of Stat Software这样的同行评审期刊的支持。我会试试朱莉娅，看看它是如何运作的。感谢所有的答案和评论！
答案 0 :(得分：5)
Rcpp和朱莉娅最终会让你到达同一个地方。事实上，类型稳定的Julia将编译为与clang编译的C ++基本相同的LLVM IR。设计方面没有什么可以阻止它相同（在类型稳定的情况下），除了一些遗漏的优化，因为语言是年轻的（例如，@fastmath默认情况下不添加FMA，所以你我必须自己添加FMA调用，而我相信使用fastmath编译的C ++将是FMA）。但是在给定类型稳定性的情况下，您可以检查@code_llvm and @code_native输出相同的代码。
但是，Rcpp会要求您编写一堆C ++代码并测试/维护该代码以及R代码。 C / C ++的级别要低得多，维护起来也比较困难（“双语问题”）。如果你选择和朱莉娅一起去，你可以在朱莉娅写下这一切。这是主要的区别。
（至于整个“Julia比C慢2倍”，这里应该提到。通常这是由于类型不稳定代码的一小部分，而不是用@inbounds关闭数组边界检查（来自注释的语言比较显然不会这样做，这可能会导致紧密循环中的相当大的差异），并依赖于矢量化样式（la R / MATLAB / Python）。最后一部分在Julia v0中要好得多。 6，但它总是比循环成本小。最后，它是选择加入/选择退出的选择，用于简洁的代码和额外的安全检查，这会导致差异。）