MATLAB与PYTHON交互学习（上）

一，序号

matlab所有数据存储格式的序号均从1开始，而python和大多数编程语言一样从0开始。python中的矩阵为numpy中的array格式。

二，矩阵

1，matlab中矩阵在内存中内存中按列存储，如矩阵：
aa=

1     2     3     4
 2     3     4     5

在matlab中a(3)=2，也就是说如果兑换成更加严格的语言的数组的话，a相当于一个二维数组a[4][2]，即是一个含有4个元素的数组，每个元素为一个含有两个元素的数组。因此，行矩阵相当于一个二维数组，列矩阵相当于一个一维数组。这一点从matlab函数编译成dll后的C++的接口转换形式中可以得到验证。
如下，代码为一个为列向量的输入，被转换成dll后的接口初始化的部分代码：

static int iv[1] = {4};
    /* Set the size of the array.
    Change this size to the value that the application requires. */
    result = emxCreateND_real_T(1, iv);//一维数组

如下，代码为一个为行向量的输入，被转换成dll后的接口初始化的部分代码：

static int iv[2] = { 1, 4};
    int idx1;
    /* Set the size of the array.
    Change this size to the value that the application requires. */
    result = emxCreateND_real_T(2, iv)//二维数组

2，python中的矩阵，在一定程度上在外观表现上和数组更像，如：
aa
array([[1, 2, 3, 4],
[2, 3, 4, 5]])
而且在初始化的时候不像matlab必须使用中括号，python很随便，如下四种形式都能达到建立矩阵的效果：

aa=np.array([[1,2,3,4],[2,3,4,5]])
aa=np.array(((1,2,3,4),[2,3,4,5]))
aa=np.array(([1,2,3,4],[2,3,4,5]))
aa=np.array(([1,2,3,4],(2,3,4,5)))

从目前的经验来看，python是按行存储的，即一行为一个数组。如果将array看做数组的话，上述矩阵为aa[2][4]，更像打多数编程语言的写法。与matlab去元素的方式不同，python若想取出一个元素，需要给出详细坐标，如aa[0][1]=2，而且矩阵操作只能使用中括号。python中也可以像matlab中取出某行和某列元素，用法和matlab一致，只不过由小括号变成了中括号。

三，常用函数

1，在matlab中矩阵计算方差，均值，求和等函数名称在python中没有变化：var，mean，sum……。但是用法发生了较大的区别，matlab默认是以列为单位进行计算入var(aa) 结果为[0.5000 0.5000 0.5000 0.5000]，若想以行为单位计算需要添加参数。
python中var默认将计算array中的所有元素，因此在python中var(aa) 结果为1.5 ,python 中的var也可以像matlab一样，通过参数来调整是按行计算还是按列计算，var(aa,0)按列计算，var(aa,1)按行计算。但是需要注意，python中var中使用的方差函数默认分母为N（元素数），而matlab默认为N-1，因此会有如下结果：
matlab：

var(a)
ans =
    0.5000    0.5000    0.5000    0.5000

python：

np.var(aa,axis=0)
In [68]: array([0.25, 0.25, 0.25, 0.25])

matlab可以选择分母为N的，控制分母的变量在matlab的var中的第二个位置，此位置为1则除N，为0则除N-1。如下：

var(a,1,1)
ans =
    0.2500    0.2500    0.2500    0.2500
var(a,0,1)
ans =
    0.5000    0.5000    0.5000    0.5000

python 也可以通过参数控制来选择分母为N或者N-1，如下：

np.var(aa,axis=0,ddof=1)
array([0.5, 0.5, 0.5, 0.5])
np.var(aa,axis=0,ddof=0)
array([0.25, 0.25, 0.25, 0.25])

其他类似函数雷同