matlab 在科学计算的使用非常广泛,可以处理数组、矩阵或线性代数问题;Python在科学计算领域的应用属于后期之秀(python的开发历史也很久,始于九十年代初),尤其在近几年用户迅速增加。python能够满足matlab在科学计算方面几乎所有的需要,并能够快速开发出强大的应用程序,可能唯一不能替代matlab就是在工程仿真领域。本文就python和matlab在各自设计理念、特点、应用、编程四个方面做一个比较全面的比较。
Python和Matlab的设计理念Python是一种高级编程语言,使用范围广泛,易用性好,可以开发各类需求的程序;由Guido van Rossum 设计开发,其第一版于上世纪九十年代发布,发展到到现在Python在全球数千贡献者的合作下,已经发展成为一种成熟的编程语言,主要版本有python 2.7 和 python 3.0版本;不仅适用育小型或个人项目,而且也被大型互联网公司所采用,如应用于Azure、Reddit、Dropbox等项目,谷歌等巨头公司还使用python开发出了人工智能和机器学习等方面的工具包,基于python的 Django 框架运行在 Instagram 等大型社交网站,Netflix 等公司用python做数据分析工作。
Matlab和python在设计理念方面有一个重要的区别,Matlab是不开源的商业软件,其所有权归mathwork所有,其许可授权对于个人或小公司来说很昂贵,而python是免费的开源软件,不仅可以免费下载使用,还可以修改源码,这也是 python 快速获得用户的主要因素。
Matlab的开发环境主要有mathworks提供的自带的,另外还有 GNU Octave 编程环境,但后者功能有很大的局限,并不能完全替代matlab本身自带的编程环境。
Python和Matlab的特征比较下表中给出了Python 和 Matlab 主要特征方面的比较:
比较项目 | Python | Matlab |
适用的数据对象 | 数值数组和数据类型,编程范围广 | 数学和矩阵,主要用于科学计算 |
使用范围 | 可以用于web编程,但不能直接用于开发 android 和 iOS 程序,需要做转换或其他处理 | 用于矩阵运算和开发用户接口 |
优点 | 支持扩展库、开源和社区开发 | 可以即时测试算法,无需编译 |
性能 | 在线性代数、统计计算和调用优化库方面性能好 | 需要安装、编译、验证并对接面向开发的插件来优化性能 |
开发时间 | Python的基础部分开发于1991年 | Matlab的基础部分开发于上世纪七十年代,并商业化。 |
标准库 | python由标准库组成 | 标准库不包含基本的编程功能 |
实时支持 | 支持电子邮件和移动电话 | 没有个性化的实时支持 |
生成嵌入式代码 | 不能直接自动生成嵌入式代码 | 可以直接生成 C 和 C 代码 |
开发效率 | 集成和控制能力较强,开发效率高 | 集成需要做相应的处理手段,控制能力较强,开发效率高 |
线程 | 不是严格意义上的多线程 | 不支持多线程 |
代码转换 | matlab2python工具包, OMPC (Open-Source Matlab-To-Python Compiler) | matlab 的linux版可以生成python代码 |
开发环境 | 开发环境多,如JupyterNotebook,VS code、Pycharm、Spyder等 | Matlab 、Octave |
工程仿真 | 无 | 工程仿真能力强大 |
python和matlab之间的接口 | pymatlab工具包可以实现python和matlab之间的通信 |
比较项目 | Python | Matlab |
数值计算 | Numpy,SciPy(一维数组相当于向量) | 数学和矩阵方法 |
绘图 | Matplotlib,Boken等 | plot方法 |
数据表 | Pandas | table |
符号数学 | Sympy | symbol math |
机器学习 | scikit-learn、Tensorflow等 | matlab machine learning toolbox |
图像处理 | scikit-image | matlab image processing toolbox |
神经网络 | Keras | matlab neural network toolbox |
多进程 | 多进程工具包,如内置的multiprocessing等 | Multiprocess parallelism |
多线程 | 内置的threading | 无 |
switch/case语法 | python 3.8之前没有 | 一直都有 |
匿名函数 | sayhello = lambda x: print(f"您好,{x:s}") sayhello("王老师") 输出结果: 您好,王老师 | sayhello = @(x) fprint("您好, %s\n",x) sayhello = ("王老师") 输出结果: 您好,王老师 |
比较而言,python比matlab有更多的优势,主要表现在以下几个方面:
(1)python 代码更简洁,可读性更好
matlab 中的程序块使用 end 标识语句结束,而 python 使用缩进标识一个完整的程序块;python使用方括号表示索引,用圆括号标识函数和方法调用,而matlab都用圆括号;python函数中指定参数比matlab更简洁,如以下代码:
# matlab 代码
count(max(floor(x),1), max(floor(y),1))= count(max(floor(x),1), max(floor(y),1)) 1
# python 代码
count[max(floor(x),0), max(floor(y),0)] = 1
python的numpy工具包中的数组函数min、max、mean等默认都是按照一维数组运算,例如求一个4维数组的均值,代码如下:
# matlab 代码
m= mean(mean(mean(mean(x))));
# python 代码
m= mean(x)
(2)除了matlab之外,几乎其他所有的编程语言中,索引值都是从0开始
(3)python对字典类型(哈希类型)的支持非常出色
哈希类型在科学计算和工程编程方面的应用很广泛,在matlab称为 hash maps。
(4)Python的面向对象编程OOP简单而又整洁
(5)函数打包有差别
python可以把很多函数打包进一个文件,函数的数量不受限制,其中的函数都是相互可见的;尽管matlab也可以把很多函数打包进一个文件,但是文件中的第一个函数(即主函数)对于其他函数是可见的,或者说可以从命令行调用主函数,其他函数都是本地调用,本地函数仅对同一个文件中的其他函数可见。
(6)python能使用绘图工具包更多
总体来说,python代码更简洁,可读性更好;python的数据结构比matlab的数据结构更先进;python的代码组织使用名称空间管理,可控性更好。