小編寫(xiě)這篇文章的主要目的，主要是給大家介紹關(guān)于Python numpy和matlab區(qū)別的介紹，具體區(qū)別，下文給大家詳細(xì)的解答。

　　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"

　　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)點(diǎn)和缺點(diǎn)

　　如果想咨詢(xún)我怎么選，我可以提議倆個(gè)都是選擇。很多人都喜歡拿python和matlab對(duì)比分析，隨后得到哪個(gè)比較好的觀點(diǎn)。其實(shí)吧，能用就可以了。

　　假如是學(xué)生們，或者是科研人員，例如探討信號(hào)分析，那么用matlab比較好，有較多現(xiàn)有輔助工具和之前的人的成效可以參考。假如是產(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)。假如是信號(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)比分析。

　　1、python的競(jìng)爭(zhēng)優(yōu)勢(shì)

　　Python相較于Matlab最大的優(yōu)點(diǎn)：完全免費(fèi)。我國(guó)或許不是很在意這些，不過(guò)在海外是一個(gè)很重要問(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。例如3D的繪圖工具包，例如GUI，例如更方便的并行，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的競(jìng)爭(zhēng)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，例如通信建模，另外simulink可以生產(chǎn)DSP或者是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

　　如果做探討，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)，希望可以給各位讀者帶來(lái)幫助