我读到的关于Julia的文章讨论了两种语言的问题，并以Python或R为例。你用Python创建了一个程序，但必须调用一个用C编写的类似numPy的库。对于统计计算，Python很慢，这个库旨在帮助加快速度。因此产生了两种语言的问题。
这被描述为Python中的原型（如果在示例中使用，则为R）。他们所说的原型是什么意思？
以下是一些例子：
（第2段开始）https://www.mapr.com/blog/julia-fresh-approach-numerical-computing-and-data-science
（第3段）https://sinews.siam.org/DetailsPage/tabid/607/ArticleID/744/Julia-A-Fast-Language-for-Numerical-Computing.aspx
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答案。然后，一旦这个想法得到验证，由于各种原因，代码必须重写，有时用一种完全不同的语言，比如C++（第二语言问题）。
Python与C和C++有相当好的绑定，在较小程度上与R和其他语言有绑定。但以这种方式编程确实会让人感到困惑（如果您同时使用这两种语言编写，而不是使用Python中用C编写的成熟库）。调试比较困难。
NumPy和SciPy有帮助，因为它们允许您使用Python代码表达数字数据转换，但它们的实现在C和Fortran中得到了高度优化。但是，如果您的算法没有明显的矢量或矩阵运算转换，该怎么办？生成一个在大型数据集上快速运行的程序可能需要付出相当大的努力（和重新验证）。
有些人声称，例如Julia可以让你快速编写代码，但不能让编写缓慢的代码变得那么容易。