Python學習（八）Matlab和Numpy異同

參考資料：

https://github.com/lijin-THU/notes-python（相應實體書為：《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還是matrix?（數組 VS 矩陣）

Numpy 中不僅提供了 array 這個基本類型，還提供了支持矩陣操作的類 matrix，但是一般推薦使用數組array：

• 很多 numpy 函數返回的是 array，不是 matrix
• 在 array 中，逐元素操作和矩陣操作有着明顯的不同
• 向量可以不被視為矩陣

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：形狀為 1xN, Nx1, N 的向量的意義是不同的，類似於 A[:,1] 的操作返回的是一維數組（shape為（N,）），形狀為 N，一維數組的轉置仍是自己本身
  • matrix：形狀為 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：維度只能為2
• 屬性
  • array：.T 表示轉置
  • matrix：.H 表示復共軛轉置，.I 表示逆，.A 表示轉化為 array 類型
• 構造函數
  • array：array 函數接受一個（嵌套）序列作為參數——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]")

其優缺點各自如下：

• array

  • [GOOD] 一維數組既可以看成列向量，也可以看成行向量。v 在 dot(A,v) 被看成列向量，在 dot(v,A) 中被看成行向量，這樣省去了轉置的麻煩
  • [BAD!] 矩陣乘法需要使用 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] 作為基本類型，是很多基於 numpy 的第三方庫函數的返回類型
  • [GOOD] 所有的操作 *,/,+,**,... 都是逐元素的
  • [GOOD] 可以處理任意維度的數據
  • [GOOD] 張量運算

• matrix

  • [GOOD] 類似與 MATLAB 的操作
  • [BAD!] 最高維度為2
  • [BAD!] 最低維度也為2
  • [BAD!] 很多函數返回的是 array，即使傳入的參數是 matrix
  • [GOOD] A*B 是矩陣乘法
  • [BAD!] 逐元素乘法需要調用 multiply 函數
  • [BAD!] / 是逐元素操作

當然在實際使用中，二者的使用取決於具體情況。

二者可以互相轉化：

• 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，所以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：通常這些函數返回值為array；為了得到matrix返回值，可使用matlib子模塊

import numpy
import numpy.matlib

a = numpy.ones(7)
print(a.shape)　　#(7,)  6 print(type(a))　　#<class 'numpy.ndarray'>

a = numpy.matlib.ones(7)
print(a.shape)　　#(1,7) 10 print(type(a))　　#<class 'numpy.matrixlib.defmatrix.matrix'>

• mat函數將數組轉化為矩陣：a = numpy.array([1,2,3])；b = numpy.mat(a)
• 類似於利用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()函數需要使用numpy.random.rand()　　// a = numpy.random.rand(10)

4. 等效操作

from numpy import *
import scipy.linalg
#以下linalg代表numpy.linalg，與scipy.linalg不同

MATLAB 與 Numpy 下標之間有這樣幾處不同：

• 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