R vs. Python vs. Julia

• ¿Con qué lenguaje es más fácil escribir código eficiente?

• Se implementó en los tres lenguajes una prueba de pertenencia mediante búsqueda lineal para encontrar el valor deseado en un conjunto de datos de un millón de enteros, y se comparó con una implementación en C

Comparación general

• El rendimiento de Julia se acerca al de C. Sin embargo, al escribir código vectorizado similar al de R, se vuelve 3 veces más lento

• Si se agrega JIT (Numba) a Python, el rendimiento de una implementación basada en bucles se vuelve similar al de Julia

• En Python hay que elegir bien entre listas nativas y arreglos de NumPy, y también cuándo usar Numba

• R no es el más rápido, pero muestra resultados más consistentes que Python. (Frente a la implementación más rápida, R es 24 veces más lento, Python 343 veces más lento, y Julia solo alrededor de 3 veces)

• Native R siempre es más rápido que Native Python

• Si no se puede evitar usar bucles en Python o R, es más eficiente iterar por elementos que hacer bucles basados en índices

[dalinaum]

Parece una desventaja crítica que Numba solo pueda mostrar efectividad con Numpy, arreglos, bucles y similares, y que además haya que usar decoradores, lo que vuelve el código más engorroso.

Incluso con solo mezclar Pandas, aparecen limitaciones de rendimiento de inmediato.