Python(Numpy)中数组（矩阵）操作与MATLAB的区别

  笔者是先学MATLAB后学Python的，现将两者关于数组（矩阵）运算的区别做个总结：

---

1. Python/Numpy中N维向量是列向量（行向量本质一样），其属性ndim=1【维度】，shape=(N,)【形状】。
2. Python/Numpy中二维数组的ndim=2，其shape有(N,1)、也有(N, M)的。【注意(N,1)≠列向量】
3. Python/Numpy中三维数组：可按照（层：行：列）方式理解。
4. Python/Numpy中用numpy.mat()函数直接生成矩阵（而不是数组！），作用于其上的是（线性代数中的）矩阵运算。
5. MATLAB中的变量以矩阵为基本单位（故也称为矩阵实验室），所以变量之间的一般运算为矩阵意义下的， 点运算才作用于每个元素。恰好相反，numpy中的一般运算是作用于每个元素的，矩阵意义下的运算需使用相应函数（比如a·b：numpy.dot( a,b)；线性代数模块使用：Scipy.linalg）。
6. Python/Numpy中的数组索引存在“基础索引”和“花式索引”之分。前者返回的是原数组的一个引用，与原数组共享内存（索引对象有：①整数、②切片对象（slice）、③整数+切片对象构成的元组）！后者返回的是原始数组的一个复制（不共内存。索引对象有：①非元组的序列、②整型、布尔型数组）。MATLAB中不存在共享内存的现象！

---