python中numpy与matlab的对应关系

By | 2019年1月9日

在本文中,将常用的MATLAB函数及运算与numpy中对应的函数及运算汇总在表中,大部分的运算都经过验证,如有问题请留言:

通用函数等价表:

matlab numpy 说明
help func info(func) or help(func)orfunc?(在Ipython环境下) 查看关于func的帮助文档
type func source(func)orfunc??(在Ipython环境下) 当func不是内置函数时,查找它的来源
a && b a and b 逻辑与运算(python内置函数)逻辑或同理
1*i, 1*j, 1i, 1j 1j 复数表示
eps np.spacing(1) 距离1最近的浮点数

线性代数(有关矩阵、向量、数组)等价表

matlab numpy 说明
ndims(a) ndim(a) or a.ndim 执行该语句得到数组的维数
numel(a) size(a) or a.size 得到数组的元素
size(a) shape(a) or a.shape 得到矩阵的‘size’,比如3*4的二维矩阵的size是(3,4)
size(a,n) a.shape[n-1] 得到第n维的元素个数,比如3*4的二维矩阵,n=2,a.shape[0]=3,a.shape[1]=4
[ 1 2 3; 4 5 6 ] array([[1.,2.,3.], [4.,5.,6.]]) 2×3 的矩阵
[ a b; c d ] vstack([hstack([a,b]), hstack([c,d])]) or bmat(‘a b; c d’).A 将块矩阵组建成一个矩阵
a(end) a[-1] 获取最后一个元素在1xn的矩阵中,注意:在mxn的矩阵中,a(end)=a(end,end),a[-1]!=a[-1,-1],a[-1]为最后一行,a[-1,-1]为最后一个元素
a(2,5) a[1,4] 获取(矩阵或者二维数组)第2行第4列的元素
a(2,:) a[1] or a[1,:] 获取(矩阵或者二维数组)第二行的数据
a(2:5,:) a[0:5] or a[:,5] or a[0:5,:] 获取(矩阵或者二维数组)前五行的数据
a(end-4:end,:) a[-5:] 获取后五行的数据
a(1:3,5:9) a[0:3][:,4:9] or a[0:3,4:9] 获取第1行到第三行且第5列到第九列的数据
a([2,4,5],[1,3]) a[ix_([1,3,4],[0,2])] 获取第2,4,5行且第1,3列的数据,注意a[ix_([1,3,4],[0,2])]!=a[[1,3,4],[0,2]]前者返回3*2的数组或者矩阵,后者是错误的表示,a[[1,3,4],[0]],a[[1,3,4],[0,1,2]]是正确的表示,且返回3*1的数组
a(3:2:21,:) a[2:21:2,:] 获取从第三行到第21行的每隔一行的数据,即取第3,5,7,9,…,21的数据
a(1:2:end,:) a[::2,:] 抽取每隔一行的数据
a(end:-1:1,:) a[::-1,:] 从后往前提取数据
a([1:end 1:3],:) a[r_[:len(a),0:3]] 在原来a最后一行的后边加上a的前三行
a.’ a.transpose() or a.T a的转置
a’ a.conj().transpose() or a.conj().T a的共轭转置
a*b a.dot(b) or dot(a,b) 数组或矩阵的点积,注意a的行数和b的列数的相同
a.*b a*b MATLAB的矩阵或numpy的数组的元素乘积,不包括numpy的matrix矩阵
a./b a/b MATLAB的矩阵或numpy的数组的元素相除不包括numpy的matrix矩阵
a.^3 a**3
(a>0.5) (a>0.5) matlab返回相同size的0或1矩阵(a中元素大于0.5则为1反之为0),numpy(包括数组和矩阵)返回相同size的false或true的数组或矩阵(a中元素大于0.5则为true反之为false)
find(a>0.5) nonzero(a>0.5) 找出a中元素大于0.5的下标,注意,matlab中m*n矩阵第一列的下标是1~m,第二列的下标是m+1~2m,依次类推,matlab的find返回的是一维下标向量,numpy(包括数组和矩阵)返回的是二维数组,第0维是行下标,第1维是列下标
a(a<0.5)=0 a[a<0.5]=0 给a中小于0.5的元素重新赋值0
a(:) = 3 a[:]=3 给a中元素同时赋值3
y=x y=x.copy() 将x赋值到另一个变量里,注意numpy中y=x.copy()与y=x不同,前者改变x不影响y后者反之
y=x(2,:) y = x[1,:].copy() 赋值“深入理解python中的幅值”
y=x(:) y = x.flatten() 将数组或矩阵转换成向量
1:10 arange(1.,11.) or r_[1.:11.] or r_[1:10:10j] 创建递增向量
[1:10]’ arange(1.,11.)[:, newaxis] 创建递增列向量
zeros(3,4) zeros((3,4)) 3×4 64-bit 浮点类型全0二维数组
ones(3,4) ones((3,4)) 3×4 64-bit 浮点类型全1二维数组
eye(3) eye(3) 3×3 单位矩阵
diag(a) diag(a) 返回对角元素向量
rand(3,4) random.rand(3,4) 3×4的随机矩阵
linspace(1,3,4) linspace(1,3,4) 返回1~3之间的4个等分元素
[a b] concatenate((a,b),1) or hstack((a,b)) or column_stack((a,b)) or c_[a,b] 连接a和b的行
[a;b] concatenate((a,b)) or vstack((a,b)) or row_stack((a,b)) or r_[a,b] 连接a和b的列
max(max(a)) a.max() 返回a的最大元素,注意matlab中a的维数应<=2
max(a) a.max(0) 返回a的每列的最大值
max(a,[],2) a.max(1) 返回a的每行的最大值
max(a,b) maximum(a,b) 比较a,b两个size相同的数组并返回相应位置最大值的新数组
norm(v) sqrt(dot(v,v)) or np.linalg.norm(v) 返回向量V的L2范数
a & b logical_and(a,b) 元素对元素的逻辑与,逻辑或同理
inv(a) linalg.inv(a) 返回方阵a的逆
pinv(a) linalg.pinv(a) 返回方阵a的pseudo逆
rank(a) linalg.matrix_rank(a) 返回2维数组或矩阵的秩
a\b linalg.solve(a,b)(当a是方阵时) or linalg.lstsq(a,b)(其他情况) 求ax=y的解x
b/a linalg.solve(a.T,b.T) if a is square; linalg.lstsq(a.T,b.T) otherwise 求xa=y的解x
[U,S,V]=svd(a) U, S, Vh = linalg.svd(a), V = Vh.T 求a的奇异值分解
[V,D]=eig(a) D,V = linalg.eig(a) 求方阵的特征值V和特征向量D
[V,D]=eigs(a,k) 求方阵a的前k个最大特征值和对应的特征向量
[Q,R,P]=qr(a,0) Q,R = scipy.linalg.qr(a) QR分解
[L,U,P]=lu(a) L,U = scipy.linalg.lu(a) or LU,P=scipy.linalg.lu_factor(a) LU 分解 (注意: P(Matlab) == transpose(P(numpy)) )
fft(a) numpy.fft.fftshift(a) a的傅里叶变换
ifft(a) numpy.fft.ifftshift(a) a的傅里叶逆变换
sort(a) sort(a) or a.sort() matlab按列排序即对每一列的数据进行从小到大的排序,numpy按行从小到大排序
regress(y,X) linalg.lstsq(X,y) 多元回归
unique(a) unique(a) 找出a中唯一的元素

更多详细内容请参考:针对MATLAB用户的numpy

发表评论