Matlab无缝迁移到Python（一）：数组

大家好，我来蹭热点了。

这个系列主要帮助Matlab初级玩家无缝迁移到Python，不讲解Python相关库的实现原理，主要是帮助解决部分同学短期内无法使用Matlab的问题。

这篇文章讲讲基础的数组结构如何迁移。文章手打，没有Matlab环境测试（太占地方并且用不着于是卸载），没有Python环境测试（我觉得我问题不太大），如果有bug概不负责（误）。（时间仓促，给方案要紧，有bug大家报我改。）

Matlab其实是Matrix Lab的缩写，就是矩阵实验室，所以这也很好理解为什么Matlab的基础数据结构是数组。

这里首先简单区分一下数组和矩阵，数组是N维，矩阵是2维，也就是说矩阵就是特殊的数组。不过在Matlab和Python中，同样的计算符号，矩阵计算规则和数组略微不一样，后面会简要介绍一下。

首先说Matlab，Matlab中一个矩阵结构大概是这样的：

a = [1 2 3; 4 5 6; 7 8 9]

行内用空格或者逗号，行之间用分号。

在Python中，数组的数据结构是用numpy库的ndarray来实现，可以这样创建：

import numpy as np

array = np.array([[1,2,3],[4,5,6],[7,8,9]])

结果同Matlab，可以大概看出对应关系，一个方括号内，在Python叫做列表（list），是一行。

常见的一些Matlab的命令都可以实现，比如说计算sin，Matlab的写法是

sin(a)

Python的实现是

np.sin(array)

常见的矩阵计算也很容易实现，比如Matlab

inv(a)

Python中需要调用linalg子库（linear algebra的缩写）

np.linalg.inv(array)

熟悉Matlab的同学可能对于调用库这种操作感到陌生和不方便。这个和Python面向对象的设计有关系，为了保证不同的库之间重名不打架。比如说阿里出了一个NumPy的魔改并行版本，接口和NumPy几乎一模一样，如果需要同时调用，就可以用这种调用方式来减少麻烦。不过谁会闲的没事干这个呢。

如果想要方便一些，可以在导入的时候这样

from numpy.linalg import inv

这样做几乎可以无缝迁移代码了，因为本来NumPy就是Matlab的高仿……

最后强调一下数组计算和矩阵计算的区别，以区别最大的乘法为例，矩阵的乘法是按照矩阵规则来的，而数组计算采用的机制在Python的NumPy叫做广播（forecasting），说起来比较复杂，表面上看就是数组是按照位置一对一计算的。

熟悉Matlab的同学对于数组计算和矩阵计算也有了解。Matlab默认是为矩阵设计的，所以默认的*是矩阵计算，而数组计算需要用.*Python的NumPy默认是数组，所以默认的*是数组计算，而矩阵乘法需要用点积（np.dot）来计算。这里来简单地做个示例，读者可以自己测试一下。

Matlab：

[1 2;3 4]*[3 4;5 6]

Python NumPy：

a = np.array([[1,2],[3,4]])
b = np.array([[3,4],[5,6]])
np.dot(a, b)

或者Python3.5以后支持：

a@b

Matlab：

[1 2;3 4].* [3 4;5 6]

Python NumPy：

a*b

还有一种方法是使用np.matrix代替np.array，这样*就是矩阵乘法，数组乘法详见文末附的文档。文档中也不推荐使用np.matrix，并且有给出原因。不过如果希望可以和Matlab体验一致，可以考虑。

剩下的大部分方法，比如length，max，等等，使用非常类似，采用面向百度的编程查命令即可，熟悉了自然就记下来了。另外，scipy这个库也是同样的使用方法，这个库和NumPy是一家出的，只不过是把计算模块单独拿出来。使用起来同刚刚的方案，比如说

from scipy.<子库名> import <函数名>

详细列表在这里：SciPy v1.4.1 Reference Guide

有一个比较暴力的无缝迁移技巧，是在Python文件头这样导入：

from numpy import *
from numpy.linalg import *
from scipy.<子库名> import *

这样就可不带模块名直接用函数了。（不过Python的规范是尽量避免这种导入方法，害怕出现未知冲突，这个新手随意啦，代码写出来要紧。）

好了，恭喜你已经掌握了从Matlab数组迁移到NumPy的方案。（没掌握作者概不负责）

最后放一个菜单，NumPy官方提供的和Matlab的对比文档，可以用作查阅：NumPy for Matlab users最后放一个菜单，NumPy官方提供的和Matlab的对比文档，可以用作查阅：