Matlab+Python常用命令标签

Python快速傅里叶：scipy.fftpack.ifft

y = np.array([[45.0000 + 0.0000j,0.00000 + 0.0000j,0.00000 + 0.0000j],
               [0.0000 + 0.0000j,13.5000 + 7.7942j,0.00000 - 5.1962j],
               [0.0000 - 0.0000j,0.00000 + 5.1962j,13.5000 - 7.7942j]])
    IFy=ifft2(y)#对矩阵y作傅里叶 逆变换
    print(IFy)
    print(type(IFy))#获取该矩阵的类型  为复数
    print(IFy)
    print(type(IFy.real))
    print(IFy.real)#获取矩阵的实部  ，当我们只需要实部的时候
    np.allclose(y, fft2(ifft2(y)))

Python伽玛函数对数的导数-Digamma函数
调用：from scipy.special import digamma

Python numpy.fill_diagonal()
Python numpy.block创建分块矩阵

#对角线用相同的元素生成的对角对称矩阵
    l=5
    bA=np.zeros((l,l))
    for t in range(0,l):
        bA=bA+np.diag(t*np.ones(l-t),t)
    bA=bA+np.triu(bA,1).T
    print(bA)

Matlab对角分块阵：blkdiag

#-------------------------------

Python中 获取一个列表的倒序：

a=[1,3,4,6,8,9]
#方法一：
b=a
b.reverse()
print(a)
print(b)
#可以发现，a与b都被倒序排列了。
#方法二：
#直接采用如下命令,原来的列表b不会被改变。
c=b[::-1]

Python，矩阵的张量积运算,Numpy.kron(A,B)
A=np.array([[1,2,3],[3,4,5],[1,8,9]])
B=np.kron(A,A)
print(B) 
print(B.shape) 

Numpy 中的点乘，哈达玛积(Hardamard product)，对应位置相乘
import numpy as np
A=np.array([1,2,3,4])
B=np.array([5,2,3,7])
print(np.multiply(A,B))
[ 5  4  9 28]

对某个数 保留小数点的个数
round(5.368,4)

对某个数组A保留小数点个数
A.round(5)

Python中具有不同维数的数组的矢量化计算
numpy.einsum

数组切片，矢量化切片
高级特性 
切片操作：对list,tuple元素进行截取操作，非常简便。 
L[0:3],L[:3] 截取前3个元素。 
L[1:3] 从1开始截取2个元素出来。 
L[-1] 取倒数第一个元素出来。 
L[-10] 取后10个数 
L[10:20] 取前11-20个数 
L[:10:2] 取前10个数，每两个取一个 
L[::5] 所有数，每5个取一个 
L[:] 原样复制一个list 
tuple,字符串也可以进行切片操作