将你的科学计算从Matlab迁移到Python.docVIP

窗体顶端 窗体底端 将你的科学计算从Matlab迁移到Python？ 十一 26 马斯特斯特之学习研究 matlab, Python, 科学计算 9 Comments 为什么要用问句作为文章的标题呢，因为我的答案是NO！Absolutely Don’t！ 一切的一切起源于我看了一篇英文文章，说使用Python作科学计算有时比Matlab更加高效，还有那无数次见到的牛逼公式：，看的我心潮澎湃，我就寻思了，反正最近在做的那个算法用Matlab跑实验跑得不是太理想，要不咱也迁移一把，由于今天比较蛋疼，就决定开始尝试了，经过蛋疼的一天，我得出了开头那个结论：如果你有现成的Matlab算法，还是Matlab吧，如果你像我一样蛋疼，那就迁移吧。不相信，那就听我把遇到的一堆乱七八糟的事情娓娓道来吧，其中夹杂着我的一些弱弱的解决方案~~ .mat数据集文件的导入 由于现有的数据集一般都是以Matlab的格式.mat的形式出现的，Matlab可以轻松的load语句搞定，但Python就不行了，花时间将mat文件提取成普通文本文件必然更心烦。其实这点Python肯定已经想到了，解决方案就是使用Scipy提供的函数，具体如下： 1 2 import scipy as sp dataset = sp.io.matlab.mio.loadmat(dataset_name) 其中dataset_name就是我们需要导入的.mat文件，但问题又来了，导入后返回的dataset变量是一个“字典”的数据结构，它的key就是储存的变量名称，而对应的value就是变量的内容。这个操作并不像Matlab那样直接将.mat里的变量载入workspace，那我们当然还需要进一步使dataset中存储的变量暴露出来，对应的内容赋给对应的变量名称。可以查看dataset变量的组成，发现除了我们自己的变量，还有另外三个小东西：’__globals__’，’__header__’，’__version__’，它们标识了.mat文件的基本信息，但我们并不需要，所以还需要去掉它们。最终，我们通过一段代码实现： 1 2 3 4 exclude = [__globals__,__header__,__version__] for obj in dataset.keys(): ????if obj not in exclude: ????????exec(obj + = dataset[ + obj + ] ) 通过exec我们就实现了类似语句 data = dataset[data] 的功能。OK，到这里，第一个任务完成，撒花~~可以看到，用Matlab一句load搞定的问题，这里搞了大半天。 迁移everything 由于我搞的是代码迁移，即将原来Matlab的代码改成Python代码，本来还觉得迁移就是稍微改改，最后发现要迁移不是一点，而是 almost? everything。首先一个最严重的问题：( ) 和 [ ] 的问题，这恐怕是迁移过程中最频繁的一个改动，这是为什么呢？很简单，因为Matlab中取矩阵元素(即Python中所说的‘slice’切片操作)用的是小括号，而Python中用的是中括号，还有比这更fuck的事情吗，因为函数调用也是小括号，所以放弃查找替换这不切实际的念头吧，这个恐怕只能手动。别以为这样就完事了，更琐碎的东西等着你，下面的表格可以帮助你理解什么是我说的everything。 操作 Matlab Python 注释 % # 开始索引 1 0 矩阵连接 [a, b] numpy.concatenate(a, b) 循环和分支语句 未结束的条件行以，结尾结束需要end 未结束的条件行以：结尾结束不需要任何东西 产生全0全1矩阵 zeros(m, n) 和 ones(m, n) numpy.zeros((m, n)) 和 numpy.ones((m, n)) 整除问题 / 直接取准确结果，不存在整除问题 / 两遍都是整数时为整除分子或分母需要加float强制转换 乘方 a^b a**b 矩阵向量转置 单引号 ‘ 搞定 没有重载 ‘ 操作符，需要调用 .transpose 或 .T 结构体数组 直接{ }搞定 { }指的是字典数据结构，没有结构体的概念，只能使用“对象列表”搞定 向量矩阵相乘 a*b 代表正常的矩阵相乘，也就是说a的列数必须和b的行数匹配的那种 a.*b 代表对应元素相乘，即elementwise，a和b的维数必须相等 a*b 代表对应元素相乘，即elementwise，a和b的维数必须相等 dot(a, b) 代表正常的矩阵相乘，也就是说a的列数必须和b的行数匹配的那种 OK，这么些个问题需要解