15 年以来，我一直在美国加州大学伯克利分校公共卫生学院教授“基于R语言的应用流行病学”。我从 2000 年初开始教授这门课程，当时大多数人对 R 并不感兴趣。后来，R 语言的受欢迎程度提高了，参加我的课程的人数也增加了。我教授的是应用流行病学的 R 语言编程基础。学生需要完成自己选择的项目。因为我的学生来自多个学科，因此他们的项目通常非常有创意，我从他们身上也学到了很多知识。

　　在过去的 15 年里，我亲眼目睹了“数据科学”的兴起，以及学生们在项目中表现出来的独特性和创造性。当然，这门课程本身也在不断发展。我利用贝叶斯网络作为统一框架来介绍概率依赖、因果图和决策网络（用于决策分析）。

　　后来，我开始尝试 Python。不幸的是，疫情导致我的教学中断，因为我是美国旧金山的卫生主任兼人口卫生司司长。为了应对疫情，我几乎没有时间学习 Python 以及 Python 数据分析。

　　我不记得具体的时间，但最终我发现了 Julia，这是一种专为科学计算而设计的编程语言，不仅拥有 Python 和 R 的简单性，而且还具备 C++ 的速度。我爱上了 Julia，并放弃了学习 Python。无论是过去还是现在，我都没有时间同时学习一门以上的编程语言。随着我对 Julia 的了解越来越多，我开始相信，对我来说，学习 Julia 是一项比坚持使用 R 更好的长期投资。

　　我通过编程来探索或测试我对流行病的研究、学习新方法以及可视化和分析数据。我对贝叶斯网络、决策网络、因果推理、马尔可夫决策过程，以及基于主体的建模很感兴趣。

　　使用 Julia 编程更加简单。例如，在 R 中，我们需要尽量避免循环，因为这类语句非常低效。但在 Julia 中，循环的执行效率很高，因为 Julia 会在执行之前先编译代码。

　　我是 R 语言的 epitools 包的创建者。我开发了基本流行病学的分析函数，其中有几个来自 Kenneth J. Rothman 编写的教科书《现代流行病学》。例如，如果我想创建一个函数来计算 2x2 列联表的优势比，则可以通过以下几种方式提供数据：

　　如果我想编写一个函数来处理这些数据类型，就不得不对数据类型进行大量处理和检查，才能调用下一个函数（嵌套或外部）。其中涉及的工作量超出了必要。下面，我们来看看如何利用 Julia 的多重分派来实现这个函数。

　　2003 年，我们发表了一项研究，证明饮用未经过滤的市政自来水与晚期 HIV 病患者感染隐孢子虫病有一定的关系。下面是论文中的列联表。

　　让我们比较一下暴露最高的类别和最低的类别，计算未经调整的优势比。下面的计算使用的是 2x2 列联表。

　　问题在于，这三个函数的名称相同，皆为oddsratio。在 Julia 中，我们可以利用多重分派实现。相比之下，R 语言则是单分派。

　　这就是多重分派。函数 oddsratio 有三种写法，可以处理多种数据类型。请注意，编写这些代码非常容易。

　　在本文中，我简单介绍了我从 R 切换到 Julia 的主要原因。我说明了如何编写多重分派函数。请注意，使用三种方法来处理不同参数类型的函数对我来说是多么容易。