Python學習（八）Matlab和Numpy異同

參考資料：

https://github.com/lijin-THU/notes-python（相應實體書爲：《自學Python——編程基礎、科學計算及數據分析》）

從Matlab到Numpy

1. Numpy和Matlab比較

2. array仍是matrix?（數組 VS 矩陣）

Numpy 中不只提供了 array 這個基本類型，還提供了支持矩陣操做的類 matrix，可是通常推薦使用數組array：

• 不少 numpy 函數返回的是 array，不是 matrix
• 在 array 中，逐元素操做和矩陣操做有着明顯的不一樣
• 向量能夠不被視爲矩陣

具體說來：

• *， dot(), multiply()
  • array：* -逐元素乘法，dot() -矩陣乘法
  • matrix：* -矩陣乘法，multiply() -逐元素乘法
• 處理向量
  • array：形狀爲 1xN, Nx1, N 的向量的意義是不一樣的，相似於 A[:,1] 的操做返回的是一維數組（shape爲（N,）），形狀爲 N，一維數組的轉置還是本身自己
  • matrix：形狀爲 1xN, Nx1，A[:,1] 返回的是二維 Nx1 矩陣
• 高維數組
  • array：支持大於2的維度
  • matrix：維度只能爲2
• 屬性
  • array：.T 表示轉置
  • matrix：.H 表示複共軛轉置，.I 表示逆，.A 表示轉化爲 array 類型
• 構造函數
  • array：array 函數接受一個（嵌套）序列做爲參數——array([[1,2,3],[4,5,6]])
  • matrix：matrix 函數額外支持字符串參數——matrix("[1 2 3; 4 5 6]")

其優缺點各自以下：

• array

  • [GOOD] 一維數組既能夠當作列向量，也能夠當作行向量。v 在 dot(A,v) 被當作列向量，在 dot(v,A) 中被當作行向量，這樣省去了轉置的麻煩
  • [BAD!] 矩陣乘法須要使用 dot() 函數，如： dot(dot(A,B),C) vs A*B*C
  • [GOOD] 逐元素乘法很簡單： A*B
  • [GOOD] 做爲基本類型，是不少基於 numpy 的第三方庫函數的返回類型
  • [GOOD] 全部的操做 *,/,+,**,... 都是逐元素的
  • [GOOD] 能夠處理任意維度的數據
  • [GOOD] 張量運算

• matrix

  • [GOOD] 相似與 MATLAB 的操做
  • [BAD!] 最高維度爲2
  • [BAD!] 最低維度也爲2
  • [BAD!] 不少函數返回的是 array，即便傳入的參數是 matrix
  • [GOOD] A*B 是矩陣乘法
  • [BAD!] 逐元素乘法須要調用 multiply 函數
  • [BAD!] / 是逐元素操做

固然在實際使用中，兩者的使用取決於具體狀況。

兩者能夠互相轉化：

• asarray ：返回數組
• asmatrix（或者mat） ：返回矩陣
• asanyarray ：返回數組或者數組的子類，注意到矩陣是數組的一個子類，因此輸入是矩陣的時候返回的也是矩陣

3. 類Matlab函數：ones, zeros, empty, eye, rand, repmat

注：一般這些函數返回值爲array；爲了獲得matrix返回值，可以使用matlib子模塊

 1 import numpy
 2 import numpy.matlib
 3 
 4 a = numpy.ones(7)
 5 print(a.shape)　　#(7,)  6 print(type(a))　　#<class 'numpy.ndarray'>
 7 
 8 a = numpy.matlib.ones(7)
 9 print(a.shape)　　#(1,7) 10 print(type(a))　　#<class 'numpy.matrixlib.defmatrix.matrix'>

• mat函數將數組轉化爲矩陣：a = numpy.array([1,2,3])；b = numpy.mat(a)
• 相似於利用matlib模塊生成矩陣，還有部分函數也被放到子模塊中了，如調用rand()函數須要使用numpy.random.rand()　　// a = numpy.random.rand(10)

4. 等效操做

1 from numpy import *
2 import scipy.linalg
#如下linalg表明numpy.linalg，與scipy.linalg不一樣

MATLAB 與 Numpy 下標之間有這樣幾處不一樣：

• 1-base vs 0-base
• () vs []
• MATLAB：beg(:step):end，包含結束值 end
• Numpy：beg:end(:step)，不包含結束值 end

 

 

 

參考：http://wiki.scipy.org/NumPy_for_Matlab_Users#whichNotes