Python numpy和matlab的幾點差異介紹
numpy和matlab的幾點差異
Python numpy和matlab都是便捷靈活的科學計算語言,兩者具有很多相似之處,但也有一些混淆的地方,這里假定你熟悉matlab,但不了解numpy,記錄幾個numpy實例:
1、Numpy數(shù)組索引指定開始和結束時
不包括結束,也即下面的b和c是一樣的。
a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]]) b = a[:2, 1:2] c = a[:2, 1]
2、Numpy.ndarray切片的修改會引起原矩陣的修改
這與matlab不同。
a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]]) b = a[:2, 1:3] # [[2 3] # ?[6 7]] print(a[0, 1]) ? # Prints "2" b[0, 0] = 77 ? ? # b[0, 0] is the same piece of data as a[0, 1] print(a[0, 1]) ? # Prints "77"
3、numpy使用切片索引(例如1:2)不會產(chǎn)生降維
而使用整數(shù)索引(例如1)會產(chǎn)生降維。
import numpy as np a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]]) row_r1 = a[1, :] ? ?# Rank 1 view of the second row of a row_r2 = a[1:2, :] ?# Rank 2 view of the second row of a print(row_r1, row_r1.shape) ?# Prints "[5 6 7 8] (4,)" print(row_r2, row_r2.shape) ?# Prints "[[5 6 7 8]] (1, 4)" col_r1 = a[:, 1] col_r2 = a[:, 1:2] print(col_r1, col_r1.shape) ?# Prints "[ 2 ?6 10] (3,)" print(col_r2, col_r2.shape) ?# Prints "[[ 2] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# ? ? ? ? ?[ 6] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# ? ? ? ? ?[10]] (3, 1)"
4、不同于matlab
numpy的轉置對于1維數(shù)組的操作不發(fā)生變化。
v = np.array([1,2,3]) print(v) ? ?# Prints "[1 2 3]" print(v.T) ?# Prints "[1 2 3]"
5、不同matlab對于矩陣預算要求大小一致
Numpy broadcasting直接支持操作(加減乘除等),要求前一個矩陣的最后一維度大小和待操作矩陣的大小相同。
x = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]]) v = np.array([1, 0, 1]) y = x + v ?# Add v to each row of x using broadcasting print(y) ?# Prints "[[ 2 ?2 ?4] ? ? ? ? ? # ? ? ? ? ?[ 5 ?5 ?7] ? ? ? ? ? # ? ? ? ? ?[ 8 ?8 10]
python與matlab的優(yōu)缺點
如果要問我選哪個,我會建議兩個都選。很多人喜歡拿python和matlab對比,然后得出哪個更好的結論。其實吧,夠用就好。
如果是學生,或者研究人員,比如研究信號處理,那么用matlab比較好,有大量現(xiàn)成工具箱和前人的成果可以借鑒。如果是產(chǎn)品化項目,那么python比較好,可以做web后臺,可以打包成應用程序,效率相對matlab也要高那么一點點。如果是信號、數(shù)據(jù)方面的工程人員,建議還是兩個都掌握吧,也不復雜,都是腳本式的語言,比C++什么的易學多了。
下面從兩者各自的應用做個對比。
1、python的優(yōu)勢
Python相對于Matlab最大的優(yōu)勢:免費。國內(nèi)可能不是很在乎這個,但在國外是個很關鍵的問題。
Python次大的優(yōu)勢:開源。你可以大量更改科學計算的算法細節(jié)。
可移植性,Matlab必然不如Python。但你主要做Research,這方面需求應當不高。
第三方生態(tài),Matlab不如Python。比如3D的繪圖工具包,比如GUI,比如更方便的并行,使用GPU,F(xiàn)unctional等等。長期來看,Python的科學計算生態(tài)會比Matlab好。
語言更加優(yōu)美。另外如果有一定的OOP需求,構建較大一點的科學計算系統(tǒng),直接用Python比用Matlab混合的方案肯定要簡潔不少。
python作為一種通用編程語言,可以做做Web,搞個爬蟲,編個腳本,寫個小工具用途很廣泛。
2、matlab的優(yōu)勢
學術界大量使用matlab做仿真,做研究的話容易找到代碼參考;
語法相對python更靈活一些,matlab寫程序基本不用套路,所謂老夫擼matlab就一個字,干;
有simulink。有人說simulink沒什么用,其實還是挺有用的,比如通信建模,另外simulink可以生產(chǎn)DSP或者FPGA代碼,有的時候很有用。
3、兩者的區(qū)別
python是一種通用語言,而matlab更像是一個平臺。
4、怎樣選擇
如果做研究,可以matlab為主;如果做產(chǎn)品,可以python為主。當然也有matlab做成產(chǎn)品的,打包成exe什么的都不是事。
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
Python入門之實例方法、類方法和靜態(tài)方法的區(qū)別講解
這篇文章主要介紹了Python入門之實例方法、類方法和靜態(tài)方法的區(qū)別講解,實例方法是在創(chuàng)建了類的實例之后才能被調(diào)用的方法,類方法是在不需要創(chuàng)建類的實例的情況下就可以調(diào)用的方法,最后,靜態(tài)方法是與類和類的實例都沒有綁定關系的方法,需要的朋友可以參考下2023-10-10Django與AJAX實現(xiàn)網(wǎng)頁動態(tài)數(shù)據(jù)顯示的示例代碼
這篇文章主要介紹了Django與AJAX實現(xiàn)網(wǎng)頁動態(tài)數(shù)據(jù)顯示的示例代碼,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2021-02-02Python實現(xiàn)遍歷大量表格文件并篩選出數(shù)據(jù)缺失率低的文件
這篇文章主要為大家詳細介紹了如何利用Python實現(xiàn)遍歷大量表格文件并篩選出表格內(nèi)數(shù)據(jù)缺失率低的文件的功能,感興趣的小伙伴可以跟隨小編一起學習一下2023-05-05python 實現(xiàn)"神經(jīng)衰弱"翻牌游戲
這篇文章主要介紹了python 實現(xiàn)"神經(jīng)衰弱"游戲,幫助大家更好的理解和使用python的pygame庫,感興趣的朋友可以了解下2020-11-11