MATLAB适合做什么？为什么大学如此使用？它何时优于Python？
最近我被要求学习一些MATLAB的基础知识，为了上课。
那它为什么对研究人员和大学工作的人来说这么酷呢？我看到它在处理矩阵和绘图方面很不错……（这些在Python里用一些库也能轻松做到）。
不过，写个函数或者解析文件真是让人头疼。我现在才刚开始，我是不是漏掉了什么？
在“真实”的世界里，我应该考虑用它做什么？什么时候它能比Python做得更好？我说的更好是指：写东西的方式更简单，效果更好。
更新 1：我最想知道的事情之一就是“我是不是漏掉了什么？” :D
更新 2：谢谢大家的回答。我的问题不是关于是否要购买MATLAB。学校可以免费给我一份旧版本的MATLAB（我想是MATLAB 5），而且不会违反许可证。我对它的功能很感兴趣，想知道它是否值得深入学习（为了通过考试，我只需要用到一些基础的MATLAB :P），在现实世界中，它是否在某些特定任务上真的比Python更好。
21 个回答
我在研究中使用Matlab已经很多年了。它在处理线性代数方面非常出色，并且有很多写得很好的工具箱。最近的版本开始向通用编程语言靠拢（比如更好的优化器、更完善的对象模型、更丰富的作用域规则等等）。
去年夏天，我有一个工作是用Python和numpy代替Matlab。我很享受这种变化。Python是一个“真正的”编程语言（这意味着很多东西），而且它有一些很棒的数值特性，比如数组广播。我也非常喜欢ipython环境。
以下是我更喜欢Matlab的一些方面：
- 一致性：MathWorks花了很多精力让工具箱之间看起来和使用起来都相似。他们虽然没有做到完美，但在我见过的几十年历史的代码库中，这已经是最好的之一。
- 文档：我发现要搞清楚numpy和/或python中的某些东西非常令人沮丧，因为文档的质量参差不齐：有些东西文档写得很好，有些则根本没有。当我看到一些看起来像Matlab的东西，但又不完全一样时，尤其令人沮丧。能够获取源代码是非常宝贵的（公平地说，大多数Matlab工具箱也附带源代码）。
- 简洁性：对于我做的事情来说，Matlab的语法通常更简洁（但并不总是如此）。
- 惯性：我现在有太多的Matlab代码需要更改。
如果我没有这么大的现有代码库，我会认真考虑转向Python和numpy。
大多数回答没有抓住重点。
Matlab之所以这么好用、这么受欢迎，主要有一个原因：
极快的编码速度
我是一名计算机视觉的博士生，已经使用Matlab四年了。在读博士之前，我用过C++、Java、PHP、Python等多种语言。大多数计算机视觉的研究者都只用Matlab。
1) 研究者需要快速原型
在研究环境中，我们（希望）经常会有新想法，我们想快速测试这些想法，看看是否值得继续深入。而且通常我们编写的代码中，只有一小部分是有用的。
虽然Matlab在执行时通常比较慢，但我们并不太在意。因为我们不知道哪种方法会成功，所以需要尝试很多东西，因此我们的瓶颈在于编程时间。我们的代码通常只会运行几次来获取结果，之后就可以发布了。
那么，Matlab是如何帮助我们的呢？
2) 所需功能都已经有了
Matlab有很多我需要的功能，这样我就不需要一直重新发明轮子：
将矩阵的索引转换为二维坐标：ind2sub；提取图像的所有块：im2col；计算图像的直方图：hist(Im(:))；查找列表中的唯一元素：unique(list)；将一个向量加到矩阵的所有向量上：bsxfun(@plus,M,V)；对n维数组进行卷积：convn(A)；计算代码某部分的运行时间：tic; %%code; toc；图形界面裁剪图像：imcrop(im)。
这个列表可以非常长……而且通过帮助文档很容易找到这些功能。
Python中最接近的功能……但在Python中真的很麻烦，我每次都得去谷歌查找我需要的函数名，然后还得添加包，而这些包之间可能不兼容，矩阵的格式也会变，卷积函数只处理双精度浮点数，但如果我给它字符类型，它不会报错，只会给出错误的输出……真是让人头疼。
3) 集成开发环境（IDE）
举个例子：我启动一个脚本。因为一个矩阵出错了，它产生了错误。我仍然可以通过命令行执行代码。我用：imagesc(matrix)可视化它。我看到矩阵的最后一行有点奇怪。我修复了这个错误。所有变量仍然保持设置状态。我选择剩下的代码，按F9执行选中的部分，一切继续进行。调试变得很快，多亏了这一点。
Matlab在执行前会标记出我的一些错误，这样我可以快速看到问题所在。它还会建议一些方法来加快我的代码。
IDE中有一个很棒的性能分析工具。相比之下，KCahcegrind用起来就麻烦多了。
Python的IDE真是糟糕。没有ipython的Python根本无法使用。我从来没能顺利调试过，使用ipython时也是如此。
还有自动补全、函数参数帮助等功能……
4) 简洁的代码
为了规范化矩阵的所有列（我经常需要这样做），我可以这样写：
bsxfun(@times,A,1./sqrt(sum(A.^2)))
要从矩阵中删除所有小和的列：
A(:,sum(A)<e)=[]
在GPU上进行计算：
gpuX = gpuarray(X);
%%% code normally and everything is done on GPU
要并行化我的代码：
parfor n=1:100
%%% code normally and everything is multi-threaded
还有什么语言能比得上这个？
当然，我很少需要写循环，所有功能都包含在函数中，这让代码更容易阅读，也不需要为索引头疼。所以我可以专注于我想编程的内容，而不是如何编程。
5) 绘图工具
Matlab以其绘图工具而闻名。这些工具非常有用。
Python的绘图工具功能要少得多。但有一件事特别烦人。你只能在每个脚本中绘制一次图形？？？如果我有一个长脚本，就不能在每一步显示内容——>这太没用了。
6) 文档
所有内容都能快速访问，信息清晰明了，函数名称也选得很好。使用Python时，我总是需要去谷歌查找东西，看看论坛或StackOverflow……真是浪费时间。
附言：最后，我最讨厌Matlab的就是它的价格
亚当说得不完全对。很多数学家，甚至大多数，都不会去碰这个。如果真的用到计算工具，那通常是像Mathematica或Maple这样的工具。相比之下，工程系的学生常常会依赖它，对一些应用数学家来说，它确实有用。在某些行业里，它的使用也很广泛。
你要知道，MATLAB最开始是为了封装Fortran的线性代数库而创建的。很长一段时间，它的理念是“世界就是一个浮点数的数组”。作为一种编程语言，它的发展非常自然，但如果你单纯把它当作编程语言来看，会发现它有一些固有的缺陷。
不过，如果把它看作是进行某些类型研究的环境，它的优势就显现出来了。对于浮点线性代数的处理，它几乎是最好的选择。它的符号简单而强大，运行速度快且可靠。它在生成图表和其他交互任务方面表现得非常出色。还有很多“工具箱”，里面有针对特定任务的优秀代码，价格也很实惠。用户社区也很庞大，大家分享数值代码（而Python加上NumPy目前还没有达到这个水平）。
尽管Python有一些缺点，但作为编程语言，它要好得多（还有很多其他语言也是）。不过，在工具方面，Python大约落后了十年左右。
关键是，大多数使用MATLAB的人其实并不是真正的程序员，也不想成为程序员。
作为一种通用编程语言，MATLAB并不是个好选择；它有些古怪，很多任务运行得比较慢（你需要对代码进行向量化才能提高效率），而且与外部世界的整合也不太容易。另一方面，对于它擅长的事情，它的表现非常出色，几乎没有其他工具能比。它背后有一家提供合理支持的公司，投入了多少人年也不清楚。这在工业界是很重要的。
从Python和MATLAB的比较来看，它们其实是针对不同工作而设计的工具。在它们有些重叠的领域，哪种更好很难说（这很大程度上取决于你想做什么）。但总体来说，Python在MATLAB的核心优势方面表现得并不好，反之亦然。