多年来，我有过使用一些可怕语言的可疑启发经验，但在最后几年，我有幸学习了Swift。
虽然我最初学习了Swift for iOS开发，但它已经从Xcode和Apple生态系统中解放出来，并且能够在Linux上运行（并且可能在其他任何LLVM上运行）。
像许多人一样，我倾向于偏向于面对新领域时我已经知道的语言（咳嗽反应原生咳嗽），所以半开玩笑地建议我们应该尝试使用Swift进行数据科学，而不是现有的Python 。
然后，在2018年的TensorFlow开发者峰会上，Chris Lattner（LLVM的作者，Clang和Swift）宣布了Swift for TensorFlow - 将TensorFlow API和概念一流集成到Swift中。不仅如此，还有上游工作为Swift添加更好的动态语言互操作，因此在Swift中使用Python尽可能无缝。
因此，感觉我的个人偏见已经过验证，我开始寻找Swift的标准Python数据科学库（matlibplot，numpy，scipy，pandas，scikit-learn）的等价物。
- Nifty（演示） - 是一个用于Swift编程语言的通用数值计算库，考虑到性能和易用性。
- Surge - 一个Swift库，它使用Accelerate框架为矩阵数学，数字信号处理和图像处理提供高性能函数。
- Swift-AI - Swift AI是一个完全用Swift编写的高性能深度学习库。
- swix（主页） - Swift矩阵和机器学习库
还没有找到Pandas或Matlibplot的等价物，但我确信这只是时间问题。
原文：https://medium.com/eliiza-ai/swift-for-data-science-2edbff9bc19e
