1.1K ·GitHub
这是什么？
PythonCall.jl（以及其在 Python 侧对应的 JuliaCall）让你通过对称接口从 Julia 调用 Python 代码、从 Python 调用 Julia 代码，并在两种语言之间转换对象。
PythonCall.jl（以及其在 Python 侧对应的 JuliaCall）让你通过对称接口从 Julia 调用 Python 代码、从 Python 调用 Julia 代码，并在两种语言之间转换对象。这是 Julia 库、Python 库，还是两者都是？两者都是：PythonCall 是你安装后用于调用 Python 的 Julia 包，JuliaCall 则是配套的 Python 模块，用于从 Python 调用 Julia。
两者都是：PythonCall 是你安装后用于调用 Python 的 Julia 包，JuliaCall 则是配套的 Python 模块，用于从 Python 调用 Julia。怎么把它添加到我的项目里？请阅读官方文档入门；README 没有给出内联的安装命令。
请阅读官方文档入门；README 没有给出内联的安装命令。我需要单独安装 Python 吗，还是它会替我管理？PythonCall 通过 CondaPkg 把自己的 Python 依赖安装到每个 Julia 项目专属的 Conda 环境中，因此每个项目都会自动获得隔离的 Python 依赖。
PythonCall 通过 CondaPkg 把自己的 Python 依赖安装到每个 Julia 项目专属的 Conda 环境中，因此每个项目都会自动获得隔离的 Python 依赖。它和旧的 PyCall 包有什么区别？与 PyCall 不同，PythonCall 支持更广泛的可扩展转换，默认从不复制可变对象（而是包装它们，因此修改会影响原对象，转换也更快），并且结果保留为 Python 对象，而不是自动转换为 Julia。
与 PyCall 不同，PythonCall 支持更广泛的可扩展转换，默认从不复制可变对象（而是包装它们，因此修改会影响原对象，转换也更快），并且结果保留为 Python 对象，而不是自动转换为 Julia。支持哪些操作系统和版本组合？它在 Windows、MacOS 和 Linux 上经过测试，要求 64 位系统、Julia 1.10+ 和 Python 3.10+。
它在 Windows、MacOS 和 Linux 上经过测试，要求 64 位系统、Julia 1.10+ 和 Python 3.10+。能在不复制数据的情况下转换 NumPy 数组吗？可以。bytes、array.array 和 numpy.ndarray 等数值数组可以在 Julia 和 Python 之间无复制转换，两种语言都能就地修改底层数据。
可以。bytes、array.array 和 numpy.ndarray 等数值数组可以在 Julia 和 Python 之间无复制转换，两种语言都能就地修改底层数据。它支持 Pandas DataFrame 吗？支持。它提供辅助包装器，把 Python 数据框解释为 Julia 对应物，反之亦然，例如用 pytable(df) 把 Julia DataFrame 变成 Python Pandas DataFrame。
支持。它提供辅助包装器，把 Python 数据框解释为 Julia 对应物，反之亦然，例如用 pytable(df) 把 Julia DataFrame 变成 Python Pandas DataFrame。跨语言出错时的错误信息是什么样？该项目宣传其拥有跨越 Julia/Python 边界的“漂亮堆栈跟踪”，让跨语言调试更清晰。
该项目宣传其拥有跨越 Julia/Python 边界的“漂亮堆栈跟踪”，让跨语言调试更清晰。What are similar projects?codex-claude-academic-skills, scikit-learn, dask, cupy, seaborn, cython, sktime, ta-lib-python
codex-claude-academic-skills, scikit-learn, dask, cupy, seaborn, cython, sktime, ta-lib-pythonWhich topics is it in?ffi, interoperability, scientific-computing, pandas, numpy, data-science, machine-learning, library, python, cross-platform, mit, windows
ffi, interoperability, scientific-computing, pandas, numpy, data-science, machine-learning, library, python, cross-platform, mit, windows