MATLAB与Numpy常用函数对比及转换指南

"这篇文章主要对比了MATLAB与Python的Numpy库中常用函数的对应关系，旨在帮助将Python代码转换为MATLAB代码的用户。它来源于scipy官网的翻译整理，同时也包含了作者个人的理解和补充。文章强调了Numpy中的array和matrix两个类在处理线性代数和数组操作时的不同之处，包括操作符的使用、向量处理、高维数组处理以及便捷属性。" 在MATLAB和Numpy之间进行转换时，理解两者的核心差异至关重要。Numpy作为Python的数据科学库，其设计目标与MATLAB类似，但也存在一些关键区别。在Numpy中，`array`和`matrix`是两个重要的数据结构，它们各自有特定的应用场景。 1. **操作符的使用**： - `array`: 在`array`对象中，星号`*`用于元素级乘法，相当于MATLAB的点乘。矩阵乘法需要使用`dot()`函数。 - `matrix`: 对于`matrix`对象，星号`*`执行矩阵乘法，类似于MATLAB。而`multiply()`用于元素级乘法，更接近MATLAB的数乘。 2. **向量处理**： - `array`: 一维数组在切片如`A[:,1]`时返回形状为N的一维数组，而不是N×1的矩阵。一维数组的转置不变，保持原有形状。 - `matrix`: 一维数组会被自动转换为1×N或N×1的矩阵，`A[:,1]`会返回一个N×1的矩阵。 3. **高维数组处理**： - `array`: `array`可以处理任意维度的数组，维度数不受限制。 - `matrix`: `matrix`仅支持2维数组，不适用于高维数据处理。 4. **属性（attributes）**： - `array`: 提供`.T`属性用于获取转置。 - `matrix`: 除了`.T`外，还有`.H`（共轭转置）、`.I`（逆矩阵）和`.A`（转化为`array`）等额外属性。 5. **数组构造**： - 在构造数组时，MATLAB和Numpy有不同的语法，MATLAB通常使用冒号`:`进行索引和切片，而Numpy则使用方括号`[]`。 转换MATLAB到Numpy代码时，理解这些基本概念可以帮助你准确地找到等价操作。同时，注意Numpy的灵活性可能要求你在某些情况下使用不同的方法来实现MATLAB中的功能。例如，当你在MATLAB中使用矩阵乘法时，可能需要在Numpy中使用`numpy.dot()`或`@`操作符（Python 3.5及以后版本）。此外，对于数组操作，可能需要使用`reshape`, `transpose`, `broadcasting`等Numpy特性来实现MATLAB的相应功能。 通过熟悉这些差异，开发者可以更好地在两个环境中切换，并有效地利用Numpy的强大功能进行数值计算和数据分析。