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 |
|
python 和 matlab 常用科学计算库或方法对照
|
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, %sn”,x) sayhello = (“王老师”) 输出结果： 您好，王老师 |
python比matlab更具有优势
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)]+= 1python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。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至2705686032@qq.com 举报，一经查实，本站将立刻删除。原文转载： 原文出处：
