关于Python下的Matlab函数对应关系(Numpy)

目录

• Matlab函数对应关系(Numpy)
• Numpy与Matlab互转操作
• 1、常用操作（参考numpy官方说明）
• 2、线性变换（参考numpy官方说明）

Matlab函数对应关系(Numpy)

首先给出官网链接，其中详细说明了在Python下如何用Numpy实现Matlab下相同的函数功能。

博主在用Python撰写代码的时候，想用Python实现在Matlab下某个函数的功能（比如Repmat函数），但是当使用语句

from numpy.matlib import repmat
A = repmat(B, 1, 2)

调用工具包时，虽然可以正常实现功能，但是PyCharm下报出警告：

Importing from numpy.matlib is deprecated since 1.19.0. The matrix subclass is not the recommended way to represent matrices or deal with linear algebra (see https://docs.scipy.org/doc/numpy/user/numpy-for-matlab-users.html). Please adjust your code to use regular ndarray.

随后，通过查阅资料，发现是因为从1.19.0版本后，numpy就不再推荐使用numpy.matlib来实现对应功能了。

因此，大家可以对照官网上的说明来实现替换。

这里截取一小部分：

其他的可以从官网上面找到。

Numpy与Matlab互转操作

在日常使用中，matlab作为我们机器学习以及深度学习的模型训练使用的工具，而线上使用python实现模型落地。因为不可避免常遇到matlab与numpy之间有些操作需要相互转换。

1、常用操作（参考numpy官方说明）

MATLAB	numpy	说明
helpfunc	info(func) or help(func) orfunc? (in Ipython)	获得函数的帮助
whichfunc	see note HELP	查找函数的定义
typefunc	source(func) or func?? (inIpython)	查看函数源码
a && b	a and b	逻辑运算与操作
a || b	a or b	逻辑运算或操作
1*i, 1*j,1i, 1j	1j	复数
eps	np.spacing(1)	1与最小浮点数的距离
ode45	scipy.integrate.solve_ivp(f)	求解同阶微分方程-Kutta 4,5
ode15s	scipy.integrate.solve_ivp(f, method='BDF')	求解变阶微分方程

2、线性变换（参考numpy官方说明）

MATLAB	NumPy
ndims(a)	ndim(a) or a.ndim
numel(a)	size(a) or a.size
size(a)	shape(a) or a.shape
size(a,n)	a.shape[n-1]
[ 1 2 3; 4 5 6 ]	array([[1.,2.,3.], [4.,5.,6.]])
[ a b; c d ]	vstack([hstack([a,b]), hstack([c,d])]) or bmat('a b; c d')

a(end)	a[-1]
a(2,5)	a[1,4]
a(2,:)	a[1] or a[1,:]
a(1:5,:)	a[0:5] or a[:5] or a[0:5,:]
a(end-4:end,:)	a[-5:]
a(1:3,5:9)	a[0:3][:,4:9]
a([2,4,5],[1,3])	a[ix_([1,3,4],[0,2])]
a(3:2:21,:)	a[ 2:21:2,:]
a(1:2:end,:)	a[ ::2,:]
a(end:-1:1,:) or flipud(a)	a[ ::-1,:]
a([1:end 1],:)	a[r_[:len(a),0]]
a.'	a.transpose() or a.T
a'	a.conj().transpose() or a.conj().T
a * b	a.dot(b)
a .* b	a * b
a./b	a/b
a.^3	a**3
(a>0.5)	(a>0.5)
find(a>0.5)	nonzero(a>0.5)
a(:,find(v>0.5))	a[:,nonzero(v>0.5)[0]]
a(:,find(v>0.5))	a[:,v.T>0.5]
a(a<0.5)=0	a[a<0.5]=0
a .* (a>0.5)	a * (a>0.5)
a(:) = 3	a[:] = 3
y=x	y = x.copy()
y=x(2,:)	y = x[1,:].copy()
y=x(:)	y = x.flatten()
1:10	arange(1.,11.) or r_[1.:11.] or r_[1:10:10j]
0:9	arange(10.) or r_[:10.] or r_[:9:10j]
[1:10]'	arange(1.,11.)[:, newaxis]
zeros(3,4)	zeros((3,4))
zeros(3,4,5)	zeros((3,4,5))
ones(3,4)	ones((3,4))
eye(3)	eye(3)
diag(a)	diag(a)
diag(a,0)	diag(a,0)
rand(3,4)	random.rand(3,4)
linspace(1,3,4)	linspace(1,3,4)
[x,y]=meshgrid(0:8,0:5)	mgrid[0:9.,0:6.] or meshgrid(r_[0:9.],r_[0:6.]
ogrid[0:9.,0:6.] or ix_(r_[0:9.],r_[0:6.]
[x,y]=meshgrid([1,2,4],[2,4,5])	meshgrid([1,2,4],[2,4,5])
ix_([1,2,4],[2,4,5])
repmat(a, m, n)	tile(a, (m, n))
[a b]	concatenate((a,b),1) or hstack((a,b)) or column_stack((a,b))
[a; b]	concatenate((a,b)) or vstack((a,b)) or r_[a,b]
max(max(a))	a.max()
max(a)	a.max(0)
max(a,[],2)	a.max(1)
max(a,b)	maximum(a, b)

norm(v)	sqrt(dot(v,v)) or np.linalg.norm(v)
a & b	logical_and(a,b)
a | b	logical_or(a,b)
bitand(a,b)	a & b
bitor(a,b)	a | b
inv(a)	linalg.inv(a)
pinv(a)	linalg.pinv(a)
rank(a)	linalg.matrix_rank(a)
a\b	linalg.solve(a,b) if a is square; linalg.lstsq(a,b) otherwise
b/a	Solve a.T x.T = b.T instead
[U,S,V]=svd(a)	U, S, Vh = linalg.svd(a), V = Vh.T
chol(a)	linalg.cholesky(a).T
[V,D]=eig(a)	D,V = linalg.eig(a)
[V,D]=eig(a,b)	V,D = np.linalg.eig(a,b)
[V,D]=eigs(a,k)
[Q,R,P]=qr(a,0)	Q,R = scipy.linalg.qr(a)
[L,U,P]=lu(a)	L,U = scipy.linalg.lu(a) or LU,P=scipy.linalg.lu_factor(a)
conjgrad	scipy.sparse.linalg.cg
fft(a)	fft(a)
ifft(a)	ifft(a)
sort(a)	sort(a) or a.sort()
[b,I] = sortrows(a,i)	I = argsort(a[:,i]), b=a[I,:]
regress(y,X)	linalg.lstsq(X,y)
decimate(x, q)	scipy.signal.resample(x, len(x)/q)
unique(a)	unique(a)
squeeze(a)	a.squeeze()

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。