matlab 程序改写为 python 程序的方法
为自己的产品代个言
为了解决 Matlab 代码转 Python 代码的工作,我们开发了 MaToPy,一套可以自动将 Matlab 代码转为 Python 代码的编译器和运行时函数库。
可以快速将 Matlab 代码自动转译为 Python 代码,得到的 Python 代码和 Matlab 代码极为相似,非常便于维护,且转换准确率很高,几乎不用人工修改就可以顺利运行。
想试用的朋友请移步这里:http://matopy.telecwin.com。
概述
将 matlab 代码改写为 python 代码是有技巧的,如果掌握,其实还是比较容易将一个 matlab 程序改写为 python 程序的。
因为 python 有很多优秀的数据处理函数库,最常用的就是 numpy 和 pandas 了。之所以能很方便地将 matlab 改写为 python 程序,就是因为这二者的存在。但是 matlab 的语法、约定和 python、numpy 以及 pandas 等在一些细节上是有区别的,如果不熟悉这些细微差异,那么改写完的代码很容易引入 bug,甚至无法正常运行。
下面我们先来看看大体上,将 matlab 程序转为 python 程序怎么做,然后再深入了解M和P程序的细微差异。
阅读本文前,最好有已经了解 numpy 和 pandas 的基本概念和用法。
pandas 的作用
pandas 主要承担下列matlab任务:
- 读写数据文件,一般是 excel 文件。例如:读取输入参数文件;将计算结果输出到 excel 文件。
- 按列名访问列数据、行数据。即使用 DataFrame 的行索引、列索引功能。
Matlab 和 Python 的差异
索引操作符号:M(1),P[0]
matlab 中访问矩阵中的元素,用圆括号做为索引操作符,像这样 A(1)
,而python中用方括号,像这样A[1]
。
下标起始值:M从1开始,P从0开始
matlab 行列下标都是从1开始;而 python,numpy,pandas 中下标都是从0开始,无论是 array 还是 list。
这个差异不但影响程直接访问元素的语句,还会影响包含循环语句的代码逻辑。
比如下面这段matlab 代码,转换成 python 代码时就需要注意下标差异。
L=length(A)
for i=1:L-1
B = A(i)
C = A(i+1)
end
转为 python 代码:
L = len(A)
for i in range(0, L):
B = A[i]
从上面的代码可以看到,如果要遍历一个数组 A,那么可以将 A 的长度 L=len(A)
作为range 的结束位置,而不会造成下标越界,因为 range(start, end) 总是不包含结束位置。
python 中 range(n) 从0开始,不包括结束点
python 中 range(start, end, step) 函数和 python 的“冒号操作符”是一样的规则,都不包括末尾下标,例如:
for i in range(0, 3):
pass
这段代码只会循环三次,i 取 0, 1, 2 这三个数,而不包括 3 。
冒号操作符:M(1:10),P[0:10]
matlab 中冒号操作符可以用来描述一个范围,且包含末尾下标。而 python 中冒号操作符虽然也是描述一个范围,但不包含末尾下标。这个区别非常容易导致转写的python代码出现bug,需要小心检查。
例如:
% 下面的 matlab 代码A将有10个数
A = M(1:10)
# 和上面的 matlab 对应的 python 代码应该这样写:
A = M[0:10]
Matlab 中变量赋值会创建新的矩阵而 python 中只是创建一个引用
如果 numpy 中需要显式地copy一个矩阵,可以像这样:
d = a.copy() # a new array object with new data is created
del d # 删除变量,释放内存
Matlab 中删除元素的操作
在 Matlab 中可以用赋值空数组的方式删除满足条件的元素,例如:
% 删除第一行和第二行,可以这样写:
A(1:2, :) = []
numpy 中的删除函数
而用 numpy 和 pandas 删除一行要这样写:
import numpy as np
a = np.arange(12).reshape(3, 4)
print(a)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
a_del = np.delete(a, 1, 0)
print(a_del)
# [[ 0 1 2 3]
# [ 8 9 10 11]]
print(a)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
其函数形式是 np.delete(ndarray对象, 行列索引, axis),其中 axis = 0 表示删除行,1表示删除列。
注意 np.delete 函数不会修改原 ndarray 对象,而是返回一个新对象。
而 matlab 则是直接修改原对象。
pandas 中的删除函数
pandas 中删除行列要用 drop() 函数。
df = pd.DataFrame(np.arange(12).reshape(3, 4),
columns=['A', 'B', 'C', 'D'])
# df 内容:
df
A B C D
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
df.drop(['B', 'C'], axis=1)
df.drop(columns=['B', 'C'])
# 返回的结果:
A D
0 0 3
1 4 7
2 8 11
注意:pandas drop() 也是返回修改后的对象,原对象没有被改变。但 drop() 可以用inplace=True 参数进行就地修改,这时返回的反而是修改前的数据,修改后的数据在原对象中。
python 的幂运算符是 ** 而 matlab 是 ^
matlab代码:
a = 10 ^ -3
python 代码:
a = 10 ** -3
# 更好的方式是使用科学计数格式:
a = 1E-3
转载说明
文章为原创,欢迎转载,只要注明出处、作者(微风好飞行)即可。
------------------------ 2021年12月23日 于北京通州 ------------------------