matlab转python_将你的科学计算从Matlab迁移到Python？-CSDN博客

对Python不错的吐槽，刚好在用Python，转过来可以讨论下呵。

-----------------------------------

为什么要用问句作为文章的标题呢，因为我的答案是NO！Absolutely Don’t！

一切的一切起源于我看了一篇英文文章，说使用Python作科学计算有时比Matlab更加高效，还有那无数次见到的牛逼公式：

，看的我心潮澎湃，我就寻思了，反正最近在做的那个算法用Matlab跑实验跑得不是太理想，要不咱也迁移一把，由于今天比较蛋疼，就决定开始尝试了，经过蛋疼的一天，我得出了开头那个结论：如果你有现成的Matlab算法，还是Matlab吧，如果你像我一样蛋疼，那就迁移吧。不相信，那就听我把遇到的一堆乱七八糟的事情娓娓道来吧，其中夹杂着我的一些弱弱的解决方案~~

.mat数据集文件的导入

由于现有的数据集一般都是以Matlab的格式.mat的形式出现的，Matlab可以轻松的load语句搞定，但Python就不行了，花时间将mat文件提取成普通文本文件必然更心烦。其实这点Python肯定已经想到了，解决方案就是使用Scipy提供的函数，具体如下：

importscipy as sp

dataset=sp.io.matlab.mio.loadmat(dataset_name)

其中dataset_name就是我们需要导入的.mat文件，但问题又来了，导入后返回的dataset变量是一个“字典”的数据结构，它的key就是储存的变量名称，而对应的value就是变量的内容。这个操作并不像Matlab那样直接将.mat里的变量载入workspace，那我们当然还需要进一步使dataset中存储的变量暴露出来，对应的内容赋给对应的变量名称。可以查看dataset变量的组成，发现除了我们自己的变量，还有另外三个小东西：’__globals__’，’__header__’，’__version__’，它们标识了.mat文件的基本信息，但我们并不需要，所以还需要去掉它们。最终，我们通过一段代码实现：

exclude=['__globals__','__header__','__version__']

forobjindataset.keys():

ifobjnotinexclude:

exec(obj+' = dataset[" '+obj+' "] ')

通过exec我们就实现了类似语句data = dataset["data"]的功能。OK，到这里，第一个任务完成，撒花~~可以看到，用Matlab一句load搞定的问题，这里搞了大半天。

迁移everything

由于我搞的是代码迁移，即将原来Matlab的代码改成Python代码，本来还觉得迁移就是稍微改改，最后发现要迁移不是一点，而是 almost everything。首先一个最严重的问题：( ) 和 [ ] 的问题，这恐怕是迁移过程中最频繁的一个改动，这是为什么呢？很简单，因为Matlab中取矩阵元素(即Python中所说的‘slice’切片操作)用的是小括号，而Python中用的是中括号，还有比这更fuck的事情吗，因为函数调用也是小括号，所以放弃查找替换这不切实际的念头吧，这个恐怕只能手动。别以为这样就完事了，更琐碎的东西等着你，下面的表格可以帮助你理解什么是我说的everything。

操作

Matlab

Python

注释

开始索引

矩阵连接

[a, b]

numpy.concatenate(a, b)

循环和分支语句

未结束的条件行以，结尾

结束需要end

未结束的条件行以：结尾

结束不需要任何东西

产生全0全1矩阵

zeros(m, n) 和 ones(m, n)

numpy.zeros((m, n)) 和 numpy.ones((m, n))

整除问题

/ 直接取准确结果，不存在整除问题

/ 两遍都是整数时为整除

分子或分母需要加float强制转换

乘方

a^b

a**b

矩阵向量转置

单引号 ‘ 搞定

没有重载 ‘ 操作符，需要调用 .transpose 或 .T

结构体数组

直接{ }搞定

{ }指的是字典数据结构，没有结构体的概念，只能使用“对象列表”搞定

向量矩阵相乘

a*b 代表正常的矩阵相乘，也就是说a的列数必须和b的行数匹配的那种

a.*b 代表对应元素相乘，即elementwise，a和b的维数必须相等

a*b 代表对应元素相乘，即elementwise，a和b的维数必须相等

dot(a, b) 代表正常的矩阵相乘，也就是说a的列数必须和b的行数匹配的那种

OK，这么些个问题需要解决，有些还是可以接受的，毕竟两个不同的语言嘛，操作符什么的不一样还行，有的就比较恶心了。其中最让人难以理解的就是numpy的zeros和ones不明白为啥参数一定要是一个“元组”，不知道当初创造这个时怎么想的，搞的加了两层括号。而最变态的就是矩阵向量的相乘了，Matlab分的很清，单独的 * 号就是矩阵相乘，而 .* 就是对应元素相乘，而Python中单独的 * 号表示元素相乘，作用与Matlab恰恰相反，真正的矩阵乘法居然需要调用dot函数才能完成，而dot只接受两个参数，可想而知，一堆矩阵相乘的时候得多壮观啊，譬如：

，类似的变态事还有矩阵连接，本来Matlab两矩阵放一起就能连接，Numpy非要用一个函数，你用函数我忍了，你还用那么长一个函数concatenate，要是连接几个矩阵咋办，一行能写下吗？大哥，我彻底凌乱了~

后话

鉴于上述的种种让人闹心的原因，我的移植工作没有坚持下去。当然，我写下这篇文章，并没有诋毁Python在做科学计算这方面的潜力，更没有贬低Python的意思，不得不承认接触Python越多，越觉得它牛逼，我仅仅表达的是要从Matlab迁移到Python有点得不偿失，或许一开始就直接从Python开始是个不错的选择，不存在迁移，直接从头开始。但如果你想我一样，有现成的Matlab代码了，那咱就老实Matlab吧~~