为自己的产品代个言

为了解决 Matlab 代码转 Python 代码的工作，我们开发了 MaToPy，一套可以自动将 Matlab 代码转为 Python 代码的编译器和运行时函数库。
可以快速将 Matlab 代码自动转译为 Python 代码，得到的 Python 代码和 Matlab 代码极为相似，非常便于维护，且转换准确率很高，几乎不用人工修改就可以顺利运行。
想试用的朋友请移步这里：http://matopy.telecwin.com。

概述

将 matlab 代码改写为 python 代码是有技巧的，如果掌握，其实还是比较容易将一个 matlab 程序改写为 python 程序的。
因为 python 有很多优秀的数据处理函数库，最常用的就是 numpy 和 pandas 了。之所以能很方便地将 matlab 改写为 python 程序，就是因为这二者的存在。但是 matlab 的语法、约定和 python、numpy 以及 pandas 等在一些细节上是有区别的，如果不熟悉这些细微差异，那么改写完的代码很容易引入 bug，甚至无法正常运行。

下面我们先来看看大体上，将 matlab 程序转为 python 程序怎么做，然后再深入了解M和P程序的细微差异。

阅读本文前，最好有已经了解 numpy 和 pandas 的基本概念和用法。

• Pandas 数据结构 - DataFrame
• NumPy Ndarray 对象

pandas 的作用

pandas 主要承担下列matlab任务：

• 读写数据文件，一般是 excel 文件。例如：读取输入参数文件；将计算结果输出到 excel 文件。
• 按列名访问列数据、行数据。即使用 DataFrame 的行索引、列索引功能。

Matlab 和 Python 的差异

索引操作符号：M(1)，P[0]

matlab 中访问矩阵中的元素，用圆括号做为索引操作符，像这样 A(1)，而python中用方括号，像这样A[1]。

下标起始值：M从1开始，P从0开始

matlab 行列下标都是从1开始；而 python，numpy，pandas 中下标都是从0开始，无论是 array 还是 list。

这个差异不但影响程直接访问元素的语句，还会影响包含循环语句的代码逻辑。
比如下面这段matlab 代码，转换成 python 代码时就需要注意下标差异。

L=length(A)
for i=1:L-1
   B = A(i)
   C = A(i+1)
end

转为 python 代码：

L = len(A)
for i in range(0, L):
	B = A[i]

从上面的代码可以看到，如果要遍历一个数组 A，那么可以将 A 的长度 L=len(A) 作为range 的结束位置，而不会造成下标越界，因为 range(start, end) 总是不包含结束位置。

python 中 range(n) 从0开始，不包括结束点

python 中 range(start, end, step) 函数和 python 的“冒号操作符”是一样的规则，都不包括末尾下标，例如：

for i in range(0, 3):
	pass

这段代码只会循环三次，i 取 0, 1, 2 这三个数，而不包括 3 。

冒号操作符：M(1:10)，P[0:10]

matlab 中冒号操作符可以用来描述一个范围，且包含末尾下标。而 python 中冒号操作符虽然也是描述一个范围，但不包含末尾下标。这个区别非常容易导致转写的python代码出现bug，需要小心检查。

例如：

% 下面的 matlab 代码A将有10个数
A = M(1:10)

# 和上面的 matlab 对应的 python 代码应该这样写：
A = M[0:10]

Matlab 中变量赋值会创建新的矩阵而 python 中只是创建一个引用

如果 numpy 中需要显式地copy一个矩阵，可以像这样：
d = a.copy() # a new array object with new data is created
del d # 删除变量，释放内存

Matlab 中删除元素的操作

在 Matlab 中可以用赋值空数组的方式删除满足条件的元素，例如：

% 删除第一行和第二行，可以这样写：
A(1:2, :) = []

numpy 中的删除函数

而用 numpy 和 pandas 删除一行要这样写：

import numpy as np

a = np.arange(12).reshape(3, 4)
print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

a_del = np.delete(a, 1, 0)
print(a_del)
# [[ 0  1  2  3]
#  [ 8  9 10 11]]

print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

其函数形式是 np.delete(ndarray对象, 行列索引, axis)，其中 axis = 0 表示删除行，1表示删除列。
注意 np.delete 函数不会修改原 ndarray 对象，而是返回一个新对象。
而 matlab 则是直接修改原对象。

详情参考 numpy 的delete函数文档。

pandas 中的删除函数

pandas 中删除行列要用 drop() 函数。

df = pd.DataFrame(np.arange(12).reshape(3, 4),
                  columns=['A', 'B', 'C', 'D'])
# df 内容：
df
   A  B   C   D
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

df.drop(['B', 'C'], axis=1)
df.drop(columns=['B', 'C'])
# 返回的结果：
   A   D
0  0   3
1  4   7
2  8  11

注意：pandas drop() 也是返回修改后的对象，原对象没有被改变。但 drop() 可以用inplace=True 参数进行就地修改，这时返回的反而是修改前的数据，修改后的数据在原对象中。

详情参考pandas drop函数。

python 的幂运算符是 ** 而 matlab 是 ^

matlab代码:

a = 10 ^ -3

python 代码:

a = 10 ** -3

# 更好的方式是使用科学计数格式：
a = 1E-3

转载说明

文章为原创，欢迎转载，只要注明出处、作者（微风好飞行）即可。

------------------------ 2021年12月23日 于北京通州 ------------------------