matlab中spdiags和python中scipy.sparse.spdiags转换

今天在将matlab中去趋势代码转换到python中时，发现两者spdiags（提取并创建稀疏带状和对角矩阵）有所不同
代码：
matlab：

spdiags(ones(632,1)*[1 -2 1],[0 1 2],632,634)

1、[1,-2,1]重复632行
2、生成的[632，634]矩阵里，对角线都是[1 -2 1]的第一个1（对角线意思是从左上 开始的对角，与是否为方阵无关），对角线右边第1个数都是-2，对角线右边第2个数都是1。
由此生成了要的稀疏对角矩阵

python
首先要明白matlab和python语言spdiags的不同，python中numpy中生成稀疏阵，是行检索生成，matlab是列检索生成。可见

https://stackoverflow.com/questions/31900043/spdiags-in-matlab-into-python
其中python矩阵生成了就必须有转置操作

由此python代码：

import scipy as sp
sp.sparse.spdiags((np.ones((632,1))*[1, -2, 1]).transpose(), [0, 1, 2], 632, 634)

按理说转置了是可以的，但经过排查发现最后两行有差错少了几个数（可能是对函数理解不到位）
最后python纠正代码如下：

#N=上面的634
D2 = sp.sparse.spdiags((np.ones((N-2,1))*[1, -2, 1]).transpose(), [0, 1, 2], N-2, N)
a = np.zeros((N-2,N),dtype=np.int)
a[N-4,N-2] = 1
a[N-3,N-2] = -2
a[N-3,N-1] = 1
D2 = D2 + a

花了我2个多小时，坑爹啊~

2020.6.1
我又来了，因为我代码放置的很乱，导致差点我自己写的代码都找不到，现在把这个函数全部代码都贴上来
matlab

function detrenddata=detrend(data)
%%去趋势
%%去趋势
    N=length(data);
    lambda = 400;
    I = speye(N);
    D2 = spdiags(ones(N-2,1)*[1 -2 1],[0 1 2],N-2,N);
    trend = inv(I+lambda^2*D2'*D2)* data;
    detrenddata = data-trend;
end

对应的python
len是green数据的长度，因为我一直len()出错，有缘人请指出我错在哪，我用python最大的感触就是明明是数组，却len不出来…

def detrend(green, len):
    N = len
    lamda = 400
    I = np.eye(N)
    green = np.array(green).reshape(len, 1)
    D2 = sparse.spdiags((np.ones((N - 2, 1)) * [1, -2, 1]).transpose(), [0, 1, 2], N - 2, N)
    a = np.zeros((N - 2, N), dtype=np.int)
    a[N - 4, N - 2] = 1
    a[N - 3, N - 2] = -2
    a[N - 3, N - 1] = 1
    D2 = D2 + a
    trend = np.linalg.inv(I + math.pow(lamda, 2) * D2.transpose() * D2) * green
    detrend_g = green - trend
    return detrend_g

再也不装逼了~