R vs. Python vs. Julia

• Em qual linguagem é mais fácil escrever código eficiente

• Implementa, nas três linguagens, um teste de pertencimento por busca linear para encontrar o valor desejado em um conjunto de dados com um milhão de inteiros, e compara com uma implementação em C

Comparação geral

• O desempenho de Julia é próximo ao de C. No entanto, ao escrever código vetorizado semelhante ao de R, fica 3 vezes mais lento

• Ao adicionar JIT (Numba) ao Python, o desempenho de implementações baseadas em loops fica parecido com o de Julia

• No caso do Python, é preciso escolher bem entre listas nativas e arrays NumPy, e também quando usar Numba

• R não é o mais rápido, mas mostra resultados mais consistentes em comparação com Python. (Em relação à implementação mais rápida, R é 24 vezes mais lento, enquanto Python é 343 vezes mais lento. Julia chega a cerca de 3 vezes apenas)

• O R nativo é sempre mais rápido que o Python nativo

• Se não for possível evitar loops em Python ou R, fazer loop baseado em elementos é mais eficiente do que loop baseado em índices

[dalinaum]

Parece que o fato de o Numba só conseguir mostrar eficácia com Numpy, arrays, loops e coisas do tipo, além de exigir o uso de decorators, o que deixa o código mais confuso, é uma desvantagem fatal.

Mesmo se misturar apenas com Pandas, já há limitações de desempenho.