matlab和python转换_将Matlab转换为Python

关于MATLAB与Python，有几点需要注意。在

首先，千万不要做from foo import *。这可能导致碰撞和意外行为。一般来说，import foo，from foo import bar，或{}更好。在

其次，MATLAB中的范围包含结尾，而{}中的范围则不包含结尾，因此像您所做的那样手动排除最后一个元素将使其比预期的更短。另外，对于Python范围，如果起始值是0，则不需要指定起始值。在

第三，在numpy中的size是数组的大小(因此是元素的总数)。在numpy中MATLABsize的等价物是shape。您可以使用numpyshape函数，但通常最好使用shape属性，它类似于附加到数组本身的函数，它是由arr.shape为数组arr获得的。在

类似地，您可以使用min、max和其他类似属性，使用arr.min()、arr.max()等。也没有nargout选项，只需使用arr.argmin()和{}来获得最小和最大索引。在

第四，有一个有用的函数np.zeros_like，它生成一个由所有零组成的数组，其形状和类型与给定的数组相同。还有一个对应的ones_like和full_like(后者用于np.full，这将创建一个由任意值填充的数组)。在

第五，在numpy版本中，trapz排在第一位，x排在第二位，而在{}版本中则相反。您可以通过使用命名参数(例如np.trapz(x=x, y=y))来保持这一点(当您这样做时，顺序并不重要)。这在MATLAB中根本不可能。在

第六，你可以像你在MATLAB中那样对Python进行切片，你不需要使用一个范围。在

第七，在Python和MATLAB中，通常最好避免使用带浮点值的范围。这是由于浮动的固有误差造成的。linspace更好。在

最后，您不需要用[]包围您的范围。它列出了一个数组的列表，这是您不需要的。在

下面是您的MATLAB代码移植到Python，使用上面的技巧。在import numpy as np

import matplotlib.pyplot as plt

dt = 0.01

t = np.linspace(0, 7, 7/0.01, endpoint=False)

# same as, but safer than:

# np.arange(0, 7, 0.01)

# you should do this sort of thing on matlab, too

sig1 = 1

xi_t = np.zeros_like(t)

array_pos_start = abs(t-t[0]).argmin()

array_pos_stop = abs(t-t[-1]/2).argmax()

p_len = np.linspace(0, t[array_pos_stop]-t[array_pos_start], array_pos_stop-array_pos_start)

xi_t[array_pos_start:array_pos_stop] = np.exp(p_len*sig1/2)*np.sqrt(sig1)

norm = np.trapz(y=xi_t.dot(xi_t.conj()), x=t)

xi = xi_t/np.sqrt(norm)