MATLAB用户如何切换到Python

当我们从学术界进入工业界时，特别是工程界人士，我们面临着一个非常普遍的问题，即我们主要被教导的是过时的或接近过时的技术。例如，许多学校仍然使用MATLAB。在工程领域，无论是化学工程师、电气工程师，还是纳米工程师，大家一定都用过MATLAB。

但是最近一段时间，我们可以看到企业正在从MATLAB转向Python。这可能是由于各种原因 −

1000美元的许可费用
低效的内存分配
开放源码库的匮乏
讨厌MATLAB的语法

想从MATLAB转到Python的人不用太担心，因为它们的语法几乎相似。

让我们来谈谈MATLAB用户的Python基础知识，重点是数据分析和可视化。

为矩阵使用者提供的实现

Numpy包括一些使其更容易使用矩阵类型的功能，这应该有助于MATLAB的转换。

现在有一个matlib模块，包括流行的数组构造函数的矩阵，如

zeros(), ones(), empty(), rand(), eye(), and repmat()

现在，一个数组可以被转换为一个矩阵，而不需要复制数据，因为mat是asmatrix的同义词，而不是矩阵。
有一些顶级函数被取消了。举个例子，numpy.rand()必须作为numpy.random.rand()访问。另外，可以使用matlib模块的rand()方法。然而，使用numpy.random.random()，它和其他numpy函数一样，接受一个元组作为形状，是 “numpythonic “方法。

对于了解简单MATLAB语法的人来说，我们可以使用以下方法 −

mat = np.matrix('2,6,3;  0,2,5;  1,7,4')

但是在 Python 逻辑中，我们使用向量或列表。因此，下面的语法将是等同的 −

mat = np.matrix([[2,6,3], [0,2,5], [1,7,4]])

使用Python语言的语法，我们可以很容易地进行遍历，并获得值。

比如说,

示例

如果我们想得到第一个，即(0,0)值，我们可以简单地写成mat[0,0]:

import numpy as np
mat = np.matrix([
   [2,6,3],
   [0,2,5],
   [1,7,4]
])
print(mat[0,0])

输出

示例

第一列可以用 mat[:,0]访问 −

import numpy as np
mat = np.matrix([
   [2,6,3],
   [0,2,5],
   [1,7,4]
])
print(mat[: , 0])

输出

[[2]
[0]
[1]]

示例

只访问第一行 −

import numpy as np
mat = np.matrix([
   [2,6,3],
   [0,2,5],
   [1,7,4]
])
print(mat[0,:])

输出

[[2 6 3]]

MATLAB-NumPy的等价物

Submatrix

ix_命令可用于使用索引列表将数据分配给子矩阵。

例如，可以输入

index=[1,2];
matrix[np.ix_(index,index)]+=100

为二维数组矩阵。

示例

import numpy as np
mat = np.matrix([
   [2,6,3],
   [0,2,5],
   [1,7,4]
])
index=[1,2];
mat[np.ix_(index,index)]+=100
print(mat)

输出

[[ 2 6 3]
[ 0 102 105]
[ 1 107 104]]

帮助

虽然MATLAB缺乏与which命令直接对应的命令，但source和help命令经常显示存储函数的位置的文件名。

此外，Python 包括一个 inspect 模块 (要使用这个模块，请导入 inspect)，它提供了一个通常功能的 getfile。

索引

任何数组/序列的第一个元素都有索引1，因为MATLAB利用了基于1的索引。

任何数组/序列的第一个元素的索引都是0，因为Python利用了基于0的索引。

范围

在Python中,像0:5这样的构造只能作为切片索引使用;而在MATLAB中,0:5既可以作为“切片“索引(在方括号内),也可以作为范围(在括号内)。

因此，古怪的r_对象被开发出来，以便Numpy可以有一个类似的简洁的范围创建方法。

因为r_对象是用方括号来索引的，而不是像函数或函数Object() { [native code] }那样被调用，所以参数中可以使用切片语法。

Logicops

在MATLAB中，|和&是逻辑上的AND/OR，而在NumPy中，&或|是位法AND/OR。

任何具有大量编程知识的人都应该能够区分其中的差别。

虽然两者看起来功能相同，但还是有很大的区别。

以下是Numpy和MATLAB中的&和|操作符的一些关键区别 −

0,1形式的非逻辑输入：Numpy的输出=输入的比特和。
例如，Numpy中的(3 & 4)给出了0，而MATLAB中的(3 & 4)则返回1，因为3和4都被视为逻辑上的真实。
MATLAB的&运算符的优先级低于小于（<）和大于（>）等逻辑运算符；Numpy的优先级是相反的。

如果你确定你的参数是布尔运算，请使用Numpy的位运算符，但在使用圆括号时要谨慎，比如下面的例子 −

z = (x > 1) & (x 2)

Python设计的一个不理想的副作用是NumPy中缺少逻辑和、逻辑或运算符的形式。

重塑和线性索引

MATLAB允许通过使用线性或标量索引来访问多维数组，而Numpy则不允许。

在MATLAB程序中，线性索引经常被使用。

在转换MATLAB代码时，可能有必要先将一个矩阵重塑为线性序列，进行一些基于索引的操作，然后再重塑。

考虑到重塑（通常）会在相同的存储空间上创建视图，这应该可以合理地快速实现。应该注意的是，MATLAB使用的是Fortran顺序，而NumPy在使用reshape函数时默认的是C顺序。如果你只是从一个线性序列改成另一个，这就不重要了。

数据绘图

最后，当我们想使数据可视化时，绘图是很重要的。Python的Matplotlib函数提供了大量的函数来进行绘图操作。

import numpy as np
import matplotlib.pyplot as pltlib
mat = np.matrix([[1,1,1],[2,4,6],[5,7,6]])
pltlib.plot(mat[:,1])
pltlib.plot(mat[:,0])
pltlib.title('MATLAB Plot')
pltlib.xlabel('X-Axis')
pltlib.ylabel('Y-Axis')
pltlib.show()

MATLAB用户如何切换到Python