用Python替代Matlab

Question

我是一名工程专业的学生，平时需要做很多数字处理、绘图、模拟等工作。目前我使用的工具是Matlab，在学校的电脑上完成大部分作业。不过，我想了解一下有哪些免费的选择。

我做了一些调查，很多人说Python在很多情况下可以替代Matlab。我想知道如何用Python来完成这些工作。我用的是Mac电脑，那么我该如何安装不同的Python包呢？那些包是什么？Python真的可以作为一个可行的替代方案吗？我用这个Python环境可以做哪些事情，又不能做哪些事情呢？

Answer 1

在用Python替代Matlab时，有三个方面需要考虑：核心语言能力、开发环境（IDE）和价格。

能力比较

这一部分列出了每个平台的所有能力。简单来说，Matlab能做的事情，Python也能做，而且Python能做的事情更多。不过，像线性代数和快速原型开发这些，Matlab做得更简洁。

Matlab

Matlab里的所有工具都是现成的，工具箱之间的整合也很顺畅。它的功能也更成熟，但它并不是为通用编程设计的，所以如果不是线性代数相关的东西，使用起来会比较麻烦。

• 工具箱：Matlab的工具箱非常好，而Python的实现往往难以与之竞争（即使是一些不太专业的东西，比如优化算法）。
• 线性代数：Matlab在处理线性代数方面的能力简洁明了，更容易阅读和理解。
• 可视化能力：有非常好的、广泛的可视化能力。

Python

要让Python成为一个好的Matlab替代品，需要额外安装一些模块。

• 通用编程：Python是一种真正的编程语言，提供了比Matlab更多的灵活性。
• Numpy：提供数组和线性代数的功能，但语法比Matlab稍微复杂。不过，我非常喜欢它的广播功能，再也不用担心repmat的麻烦了。
• SciPy：提供统计、优化和其他有用的数学功能。
• MatPlotLib：在我看来，它提供的图表质量比Matlab更高。此外，它的语法设计得与Matlab相似，所以上手应该比较容易。
• SymPy：一个很好的符号编程包。

IDE比较

在我看来，Python在这方面有所欠缺。我发现算法开发（尤其是涉及大量线性代数的）在Matlab的IDE中更轻松。

Matlab

作为工程学生，以下是一些Matlab的关键功能，缺少它们会很难受。需要注意的是，Python的IDE也有一些类似的功能，但实现得比较粗糙。

• 强大的调试功能：可以非常灵活地探索函数。Python也支持调试，但在IDE中的实现往往不够干净。
• 变量浏览器：Matlab有一个很好的变量浏览器，方便查看多种数据类型。有些Python的IDE在显示numpy数组时会遇到困难，这很烦人。
• 变量持久性：如果代码在运行时出错，变量仍然会保留，这有助于调试。此外，假设变量是持久的，连续运行不同的脚本也更容易。在Python中，你需要手动保存变量，才能在其他脚本中使用。
• 性能分析器：非常好用，可以帮助你找出算法的瓶颈。
• 命令行：可以在命令行中执行单行指令。Python在所有好的IDE中也完全支持这一点。
• 图形用户界面绘图工具：可以快速、轻松地从用户界面绘制结果和变量。大多数Python的IDE更倾向于软件开发，因此不支持这一点（不过sypder通过matplotlib有有限支持）。
• 文档：所有函数在IDE中都有本地文档。

Python

现在有一些新的Python IDE开始与Matlab的一些关键优势竞争。我个人喜欢PyCharm，它最近发布了免费的社区版。它具备以下功能，并且在用户界面设计上非常出色。

• 调试功能
• 变量浏览器
• 命令行
• 文档

价格比较

Python是免费的，并且有一个活跃的支持社区。Matlab也有一个不错的支持社区，但绝对不是免费的。

Answer 2

我编程用Matlab已经有大约15年了，用Python也有10年了。通常来说，选择这两种语言可以这样考虑：

如果你能满足以下条件：

• 你主要使用矩阵和矩阵运算
• 你有钱买Matlab的许可证
• 你在MathWorks支持的平台上工作

那么，毫无疑问，使用Matlab是个好选择。否则，如果你有其他数据结构，想要一个开源的选项，可以在不担心许可证的情况下交付解决方案，并且需要在MathWorks不支持的平台上开发，那就选择Python吧。

Matlab的语言有点笨重，但用户界面很流畅。Python的语言非常好，有迭代器、生成器和一些Matlab没有的函数式编程工具；不过，如果你不喜欢（或者不能使用）SAGE，你可能需要自己挑选组合，才能做出一个好看的界面。

希望这些对你有帮助。

Answer 3

在Mac上，开始使用Python的最简单方法有以下几种（没有特定顺序）：

• Enthought Python Distribution，这个工具包里包含了大多数你可能需要的科学计算库。对于学术和非商业用途是免费的。
• Macports - 这个工具会保持最新版本，所以你可以用 sudo port install py26-numpy py26-scipy py26-matplotlib py26-ipython 来开始安装。
• Scipy Superpack - 这是一个脚本，可以用来安装所有重要库的最新版本。

我大约两年前就这样做了（把Matlab换成Python），从那以后就再也没有回头。Python中的广播功能、更加直观的内存模型以及Numpy的其他优势，让我在进行数值计算时感到非常愉快。而且通过f2py和cython，把内部循环用其他语言写起来也非常简单。这个链接是一个很好的起点，另外一些很棒的页面可以激励你，比如PerformancePython和ParallelProgramming。一定要理解Python中“变量是对象的引用”这个概念……理解了这一点后，其他的就简单多了。最酷的事情之一是，我可以用两行代码在8个核心上运行：p = Pool(8); res = p.map(analysis_function,list_of_data) - 而MATLAB的并行工具箱价格非常高，我还没见过哪所大学真的有。