注意：以下帖子可能包含有争议的观点，因此请注意，这只是我的观点，无意冒犯任何人。

自 1999 年左右以来，我一直在以某种形式进行编程。我最初使用 R，然后在 2004 年左右，主要切换到 Python。

对于许多科学应用，例如模拟，包括诸如 MCMC 之类的东西，R 和 Python 都太慢了，需要加快速度。这样做的通常方法是使用 C 或 C++ 进行扩展。对于 R 和 Python，这就是我所做的，使用带有 C++ 的 R 的 C API，以及带有 Python 的 Boost Python 库。

但是，由于各种原因，这种组合并不是理想的解决方案。在编程中什么是重要的，尤其是算法？表现力和速度，当然是相关的。一种语言的表现力越强，用它书写的速度就越快。

1) 就表现力而言，在我看来，R 和 Python 都不是编写科学算法的理想选择。它们没有紧密地映射到底层算法。但是，它们都比 C++ 好得多。

2) 我喜欢用 Python 写作，这是一种令人愉快的语言，尽管如上所述，它不适合算法工作。然而，当一个人因为速度问题而不得不使用 Python/C++ 组合时，这种组合会变得相当不愉快。通常发生的情况是我第一次用 Python 编写，一旦我有一些运行良好的东西，经常会发现它太慢了（对于某些主观价值来说太慢了）。然后我面临一个决定，是花一些不合理的时间用 C++ 重写它，还是忍受缓慢。事后看来，我经常觉得忍受缓慢可能会更好，特别是因为获得的加速是不可预测的。此外，两者之间的 Boost Python 接口是一个非常令人头疼的维护问题，像这样将两种截然不同的语言的代码粘在一起只会让人分心。没有对 Boost Python 的批评，它是一个可以想象的强大的接口，并且几乎在大多数情况下都可以正常工作。

现在，在一个拥有无限时间和资源的理想世界中，这些问题都不是大问题。然而，在我从事的科学项目中，我有以下经历。

无论我是否有该项目的合作者，我似乎总是最终完成了绝大多数的计算。在总共 5 个重大项目中，我只有一个人大量参与了一个项目。一个人所做的不仅仅是减轻他的体重；他做的和我一样多，甚至更多。然而，在所有其他情况下，包括有多个合作者的项目，我已经（实际上）完成了所有的计算工作。虽然我可以说我没有得到最好的合作者的祝福（这似乎是懒惰和无能的混合体），但我不清楚这种情况在未来是否会改变。

计算科学工作是一项巨大的努力，如果我不能改变我的合作者的行为方式，我可以改变我的工作方式。最重要的改进是更快地完成工作。这让我想到了这里的主要考虑因素，即将语言转换为不那么正统的语言可能会有所帮助。根据过去的研究，按可能性顺序最有可能的候选者是 Common Lisp 和 Ocaml。多年来我一直在考虑这个问题，但最近一直在更认真地考虑它。

据我所知，很少有人使用 CL 或 Ocaml 进行科学计算。在搜索这个站点时，我发现了两个对 CL（一个是我的）和一个 Ocaml（我的）的引用。多年来，我与在边缘工作的冒险家进行了几次令人鼓舞的接触。2008 年，我遇到了Tamas K. Papp 对 Peter Seibel 的“Practical Common Lisp”（我拥有）的书评。这引起了我的注意，因为这是我在网上遇到的少数提到 Lisp 科学计算的内容之一。我写信给塔马斯，他立即给予帮助和鼓励。引用他的话

使用 Lisp，我的编程效率可能提高了 10 倍，但这花了大约一年的时间，而我仍在学习（尽管 2 个月后我做得很好）。因此，如果您正在处理时间紧迫的事情，请推迟切换。

您应该考虑在 cll 上询问人们，我不是唯一知道这些事情的人，其他人在 Lisp 上进行科学计算。

他还有一个博客和一个 GitHub 页面。

另一个与我有过短暂通信的人（2006 年 12 月）是Ira Kalet，他在放射肿瘤学方面使用了 Common Lisp。

也许还有其他人在 Lisp 上进行科学计算，但我不认识任何人。

人们用 CL 引用的最常见问题是缺少库。这是通用计算中的一个严重问题，但在科学计算中可能并非如此，尤其是从算法的底层实现。具体来说，我大部分时间都可以使用基本数学库，包括概率分布函数、多维数组库和一组基本容器，例如 C++ 和 Python 标准库中的 map、set、list 等。

我对 Ocaml 的了解甚至比对 CL 的了解还要少，但我将其作为替代方案。它被认为非常快，由法国研究人员免费实现，并且似乎是用于科学计算的 ML 系列语言中最可行的。

最后，我想知道其他人是否有这方面的经验，以及他们有什么想法（如果有的话）。

编辑：在我上面讨论的问题的背景下，我最感兴趣的是第一手经验。例如，如果您曾经使用 Python 和 C++（或 R 和 C++）并转而使用一种更晦涩的语言，那么我最有兴趣了解您的经历。