numpy和matlab的幾點(diǎn)差異

Python numpy和matlab都是便捷靈活的科學(xué)計(jì)算語(yǔ)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(gè)numpy實(shí)例：

1、Numpy數(shù)組索引指定開(kāi)始和結(jié)束時(shí)

不包括結(jié)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(huì)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(huì)產(chǎn)生降維

而使用整數(shù)索引（例如1）會(huì)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(zhuǎn)置對(duì)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(duì)于矩陣預(yù)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(gè)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(diǎn)

如果要問(wèn)我選哪個(gè)，我會(huì)建議兩個(gè)都選。很多人喜歡拿python和matlab對(duì)比，然后得出哪個(gè)更好的結(jié)論。其實(shí)吧，夠用就好。

如果是學(xué)生，或者研究人員，比如研究信號(hào)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(xiàng)目，那么python比較好，可以做web后臺(tái)，可以打包成應(yīng)用程序，效率相對(duì)matlab也要高那么一點(diǎn)點(diǎn)。如果是信號(hào)、數(shù)據(jù)方面的工程人員，建議還是兩個(gè)都掌握吧，也不復(fù)雜，都是腳本式的語(yǔ)言，比C++什么的易學(xué)多了。

下面從兩者各自的應(yīng)用做個(gè)對(duì)比。

1、python的優(yōu)勢(shì)

Python相對(duì)于Matlab最大的優(yōu)勢(shì)：免費(fèi)。國(guó)內(nèi)可能不是很在乎這個(gè)，但在國(guó)外是個(gè)很關(guān)鍵的問(wèn)題。

Python次大的優(yōu)勢(shì)：開(kāi)源。你可以大量更改科學(xué)計(jì)算的算法細(xì)節(jié)。

可移植性，Matlab必然不如Python。但你主要做Research，這方面需求應(yīng)當(dāng)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(zhǎng)期來(lái)看，Python的科學(xué)計(jì)算生態(tài)會(huì)比Matlab好。

語(yǔ)言更加優(yōu)美。另外如果有一定的OOP需求，構(gòu)建較大一點(diǎn)的科學(xué)計(jì)算系統(tǒng)，直接用Python比用Matlab混合的方案肯定要簡(jiǎn)潔不少。

python作為一種通用編程語(yǔ)言，可以做做Web，搞個(gè)爬蟲(chóng)，編個(gè)腳本，寫(xiě)個(gè)小工具用途很廣泛。

2、matlab的優(yōu)勢(shì)

學(xué)術(shù)界大量使用matlab做仿真，做研究的話容易找到代碼參考；

語(yǔ)法相對(duì)python更靈活一些，matlab寫(xiě)程序基本不用套路，所謂老夫擼matlab就一個(gè)字，干；

有simulink。有人說(shuō)simulink沒(méi)什么用，其實(shí)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(shí)候很有用。

3、兩者的區(qū)別

python是一種通用語(yǔ)言，而matlab更像是一個(gè)平臺(tái)。

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(dāng)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(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論