我不是想在这里开始一场语言火焰战争。我只想问一个简单的问题：
有没有比较好的科学计算语言资源？
通过比较，我的意思是基于： 可以使用的稳定库的数量。编程努力速度等
我在网上找到了一些比较，但似乎都与一般计算机程序员有关（不适用于数值计算）。
另外，我问的是一般科学计算的问题，不一定是矩阵代数。例如，这还包括统计、工程等。
我并不是要问“我应该学习哪种语言”类型的问题。我要求进行良好的比较。
我对 C、Java、C++、C# 和 Python 尤其感兴趣。目标是使用尽可能多的稳定库在具有不同硬件（包括 Android）的各种科学应用程序中构建可用代码。
我还阅读了并行科学计算软件开发语言？但它过于关注矩阵代数。
我对学生的建议始终是：最宝贵的资源是你自己的时间。如果有一种编程语言A可以让你用语言B一半的时间编写程序，但程序慢 20%，那么这仍然几乎总是一个胜利，除非你需要运行程序几个月。
这就是为什么大多数现代科学计算库都是用 C++ 编写的，而不是用 Fortran 或纯 C 编写的：因为用 C++ 编写和调试代码比用 Fortran 快得多，而且因为你有大量的其他库然后可以使用（尤其包括 C++ 标准库），这使得编程变得如此之快。
可以用任何图灵完备的语言进行任何可行的计算。
因此，比较不是在语言之间，而是在编译器、运行时和库集之间。这假设设计和实现算法的人在所选语言方面有足够的能力。运行时和库（交付时）应该使用最低复杂度的算法。
Benchmarks' Game是一个非常棒的资源，可用于教育目的。对于痴迷于性能的类型来说真的是一个大开眼界（如果您正在处理实际大小的问题，那么您就是其中之一）。
然而速度并不是一切——真正的魔鬼在于小细节（正确性）：
必须说您的问题具有误导性：在统计和工程以及任何其他学科中，没有矩阵计算就可以完成的事情很少。
我会推荐这样一种方法：您应该学习一种通用（生成快速代码 - 编译）语言，如 C/C++ 或 Fortran。我最喜欢的是 C++。在每个您可以轻松使用的 dll 上，您有 BLAS/LAPACK 库，还有用于在 GPU 上计算的 CUDA（Fortran 和 C）或 OpenCL（看起来像 C）扩展。
另一方面，使用面向科学计算的所谓脚本语言很方便，因此您可以轻松检查某些东西是否可以正常工作，轻松制作漂亮的情节等等。我使用过 Scilab，现在我正在为此尝试学习 Mathematica。
我的选择是：C++（大量可用的数值（BLAS/LAPACK、GNU 数学库、CGAL、...）和可视化 (VTK) 库。对于高效工作（不是 HPC 计算）Mathematica 或 Maple 非常有用，但有时很烦人，但真的很强大。