MATLAB与Python numpy矩阵操作对应表

背景

NumPy和Matlab不一样，对于多维数组的运算，缺省情况下并不使用矩阵运算，可以调用相应的函数对数组进行矩阵运算。或者使用numpy库提供了的matrix类，用matrix类创建的是矩阵对象，它们的加减乘除运算缺省采用矩阵方式计算，用法和matlab十分类似。不过一般用户很容易将NumPy中同时存在的ndarray和matrix对象弄混，一般不建议在大程序中使用。下面简单介绍python的多维数组怎么进行常用的矩阵运算，以及对应的matlab写法。

对应表

用法	MATLAB	Python	说明
乘法	A*B	A.dot(B)
点乘	A.*B	A*B
计算X满足指定条件的元素个数	numel(X)	X.size
返回矩阵X的行数	size(X, 1)	X.shape[0]
返回矩阵X的列数	size(X, 2)	X.shape[1]
共轭转置	X’	X.conj().T
转置	X.’	X.T
数组X的1至5行的所有列的元素	X(1:5, ：)	X[0:5, :]
数组X的1至行中的4至7列元素	X(1:2, 4:7)	X[0:2][:, 3:7]
以X的内容堆叠在（MxN）的矩阵B中	repmat(X, 2, 3)	np.tile(X, (2, 3))	X是一个3x4x5的矩阵，有B = repmat(A,2,3)则最后的矩阵是6x12x5
水平组合	[a b] or [a, b]	np.hstack((a,b))
垂直组合	[a; b]	np.vstack((a,b))
产生一个M*N的矩阵	ones(M,N)	np.ones((M,N))

博主这里总结列举了一些常用的操作，后期遇到别的还会继续更新。

今天发现一篇更详细的博客，大家可以参考：http://blog.sina.com.cn/s/blog_9eb617490102wsj7.html