PythonCall & JuliaCall

将 Python® 与 Julia 无缝和谐地结合在一起：

• 通过对称接口，从 Julia 调用 Python 代码，从 Python 调用 Julia 代码。
• 语法简洁，Python 代码看起来像 Python，Julia 代码看起来像 Julia。
• Julia 与 Python 之间直观且灵活的转换：任何内容都可以转换，由您掌控。
• 数值数组在两个方向上的快速无拷贝转换：从 Julia 修改 Python 数组（例如 bytes、array.array、numpy.ndarray），或从 Python 修改 Julia 数组。
• 有用的包装器：将 Python 序列、字典、数组、数据框和 IO 流解释为其对应的 Julia 对象，反之亦然。
• 美观的堆栈跟踪。
• 支持现代系统：已在 Windows、MacOS 和 Linux 上测试；64 位；Julia 1.10 及以上版本和 Python 3.10 及以上版本。

⭐ 如果您喜欢这个项目，给一个 GitHub star 将不胜感激。 ⭐

要开始使用，请阅读 documentation。

示例 1：从 Julia 调用 Python

在本示例中，我们使用 Julia 模块 PythonCall 从一个 Pluto 笔记本中检查 Iris 数据集：

• 我们使用 RDatasets 将 Iris 数据集加载为 Julia DataFrame。
• 我们使用 pytable(df) 将其转换为 Python Pandas DataFrame。
• 我们使用 Python 包 Seaborn 生成配对图，该图会自动显示。

示例 2：从 Python 调用 Julia

在本示例中，我们从 IPython notebook 中使用 Python 模块 JuliaCall 来训练一个简单的神经网络：

• 我们使用 Python 的 Numpy 生成一些随机训练数据。
• 我们使用 Julia 的 Flux 构建并训练一个神经网络模型。
• 我们使用 Python 的 MatPlotLib 绘制模型的一些样本输出。

那么 PyCall 呢？

现有软件包 PyCall 是另一个类似的 Python 接口。在此我们指出一些关键差异：

• PythonCall 支持 Julia 与 Python 之间更广泛的转换，且转换机制是可扩展的。
• PythonCall 在转换时默认从不复制可变对象，而是直接包装可变对象。这意味着修改转换后的对象会修改原始对象，并且转换速度更快。
• PythonCall 通常不会自动将结果转换为 Julia 值，而是将其保留为 Python 对象。这使得使用这些对象进行 Python 风格的操作（例如访问方法）变得更加容易，并且是类型稳定的。
• PythonCall 使用 CondaPkg 为每个使用它的 Julia 项目安装依赖项到独立的 Conda 环境中。这意味着每个 Julia 项目可以拥有一套隔离的 Python 依赖项。