top后缀做网站好不好厦门seo关键词优化培训
通用函数等价表：
| matlab | numpy | 说明 |
|---|---|---|
| help func | info(func) or help(func)orfunc?(在Ipython环境下) | 查看关于func的帮助文档 |
| type func | source(func)orfunc??(在Ipython环境下) | 当func不是内置函数时，查找它的来源 |
| a && b | a and b | 逻辑与运算（python内置函数）逻辑或同理 |
| 1*i, 1*j, 1i, 1j | 1j | 复数表示 |
| eps | np.spacing(1) | 距离1最近的浮点数 |
线性代数（有关矩阵、向量、数组）等价表
| matlab | numpy | 说明 |
|---|---|---|
| ndims(a) | ndim(a) or a.ndim | 执行该语句得到数组的维数 |
| numel(a) | size(a) or a.size | 得到数组的元素 |
| size(a) | shape(a) or a.shape | 得到矩阵的‘size’，比如3*4的二维矩阵的size是（3,4） |
| size(a,n) | a.shape[n-1] | 得到第n维的元素个数，比如3*4的二维矩阵，n=2，a.shape[0]=3,a.shape[1]=4 |
| [ 1 2 3; 4 5 6 ] | array([[1.,2.,3.], [4.,5.,6.]]) | 2x3 的矩阵 |
| [ a b; c d ] | vstack([hstack([a,b]), hstack([c,d])]) or bmat(‘a b; c d’).A | 将块矩阵组建成一个矩阵 |
| a(end) | a[-1] | 获取最后一个元素在1xn的矩阵中,注意：在mxn的矩阵中，a(end)=a(end,end),a[-1]!=a[-1,-1],a[-1]为最后一行，a[-1,-1]为最后一个元素 |
| a(2,5) | a[1,4] | 获取（矩阵或者二维数组）第2行第4列的元素 |
| a(2,:) | a[1] or a[1,:] | 获取（矩阵或者二维数组）第二行的数据 |
| a(2:5,:) | a[0:5] or a[:,5] or a[0:5,:] | 获取（矩阵或者二维数组）前五行的数据 |
| a(end-4:end,:) | a[-5:] | 获取后五行的数据 |
| a(1:3,5:9) | a[0:3][:,4:9] or a[0：3,4:9] | 获取第1行到第三行且第5列到第九列的数据 |
| a([2,4,5],[1,3]) | a[ix_([1,3,4],[0,2])] | 获取第2,4,5行且第1,3列的数据，注意a[ix_([1,3,4],[0,2])]!=a[[1,3,4],[0,2]]前者返回3*2的数组或者矩阵，后者是错误的表示，a[[1,3,4],[0]]，a[[1,3,4],[0,1，2]]是正确的表示，且返回3*1的数组 |
| a(3:2:21,:) | a[2:21:2,:] | 获取从第三行到第21行的每隔一行的数据，即取第3,5,7,9,…,21的数据 |
| a(1:2:end,:) | a[::2,:] | 抽取每隔一行的数据 |
| a(end:-1:1,:) | a[::-1,:] | 从后往前提取数据 |
| a([1：end 1:3],:) | a[r_[:len(a),0:3]] | 在原来a最后一行的后边加上a的前三行 |
| a.’ | a.transpose() or a.T | a的转置 |
| a’ | a.conj().transpose() or a.conj().T | a的共轭转置 |
| a*b | a.dot(b) or dot(a,b) | 数组或矩阵的点积，注意a的行数和b的列数的相同 |
| a.*b | a*b | MATLAB的矩阵或numpy的数组的元素乘积，不包括numpy的matrix矩阵 |
| a./b | a/b | MATLAB的矩阵或numpy的数组的元素相除不包括numpy的matrix矩阵 |
| a.^3 | a**3 | |
| (a>0.5) | (a>0.5) | matlab返回相同size的0或1矩阵(a中元素大于0.5则为1反之为0)，numpy（包括数组和矩阵）返回相同size的false或true的数组或矩阵(a中元素大于0.5则为true反之为false) |
| find（a>0.5） | nonzero(a>0.5) | 找出a中元素大于0.5的下标，注意，matlab中m*n矩阵第一列的下标是1~m,第二列的下标是m+1~2m,依次类推，matlab的find返回的是一维下标向量，numpy（包括数组和矩阵）返回的是二维数组，第0维是行下标，第1维是列下标 |
| a(a<0.5)=0 | a[a<0.5]=0 | 给a中小于0.5的元素重新赋值0 |
| a(:) = 3 | a[：]=3 | 给a中元素同时赋值3 |
| y=x | y=x.copy() | 将x赋值到另一个变量里，注意numpy中y=x.copy（）与y=x不同，前者改变x不影响y后者反之 |
| y=x(2,:) | y = x[1,:].copy() | 赋值“深入理解python中的幅值” |
| y=x(:) | y = x.flatten() | 将数组或矩阵转换成向量 |
| 1:10 | arange(1.,11.) or r_[1.:11.] or r_[1:10:10j] | 创建递增向量 |
| [1:10]’ | arange(1.,11.)[:, newaxis] | 创建递增列向量 |
| zeros(3,4) | zeros(（3,4）) | 3x4 64-bit 浮点类型全0二维数组 |
| ones(3,4) | ones((3,4)) | 3x4 64-bit 浮点类型全1二维数组 |
| eye(3) | eye(3) | 3x3 单位矩阵 |
| diag(a) | diag(a) | 返回对角元素向量 |
| rand(3,4) | random.rand(3,4) | 3x4的随机矩阵 |
| linspace(1,3,4) | linspace(1,3,4) | 返回1~3之间的4个等分元素 |
| [a b] | concatenate((a,b),1) or hstack((a,b)) or column_stack((a,b)) or c_[a,b] | 连接a和b的行 |
| [a;b] | concatenate((a,b)) or vstack((a,b)) or row_stack((a,b)) or r_[a,b] | 连接a和b的列 |
| max(max(a)) | a.max() | 返回a的最大元素，注意matlab中a的维数应<=2 |
| max(a) | a.max(0) | 返回a的每列的最大值 |
| max(a,[],2) | a.max(1) | 返回a的每行的最大值 |
| max(a,b) | maximum(a,b) | 比较a,b两个size相同的数组并返回相应位置最大值的新数组 |
| norm(v) | sqrt(dot(v,v)) or np.linalg.norm(v) | 返回向量V的L2范数 |
| a & b | logical_and(a,b) | 元素对元素的逻辑与，逻辑或同理 |
| inv(a) | linalg.inv(a) | 返回方阵a的逆 |
| pinv(a) | linalg.pinv(a) | 返回方阵a的pseudo逆 |
| rank(a) | linalg.matrix_rank(a) | 返回2维数组或矩阵的秩 |
| a\b | linalg.solve(a,b)(当a是方阵时) or linalg.lstsq(a,b)(其他情况) | 求ax=y的解x |
| b/a | linalg.solve(a.T,b.T) if a is square; linalg.lstsq(a.T,b.T) otherwise | 求xa=y的解x |
| [U,S,V]=svd(a) | U, S, Vh = linalg.svd(a), V = Vh.T | 求a的奇异值分解 |
| [V,D]=eig(a) | D,V = linalg.eig(a) | 求方阵的特征值V和特征向量D |
| [V,D]=eigs(a,k) | 求方阵a的前k个最大特征值和对应的特征向量 | |
| [Q,R,P]=qr(a,0) | Q,R = scipy.linalg.qr(a) | QR分解 |
| [L,U,P]=lu(a) | L,U = scipy.linalg.lu(a) or LU,P=scipy.linalg.lu_factor(a) | LU 分解 (注意: P(Matlab) == transpose(P(numpy)) ) |
| fft(a) | numpy.fft.fftshift(a) | a的傅里叶变换 |
| ifft(a) | numpy.fft.ifftshift(a) | a的傅里叶逆变换 |
| sort(a) | sort(a) or a.sort() | matlab按列排序即对每一列的数据进行从小到大的排序，numpy按行从小到大排序 |
| regress(y,X) | linalg.lstsq(X,y) | 多元回归 |
| unique(a) | unique(a) | 找出a中唯一的元素 |