简短回答：

MATLAB中的'算子是矩阵(共轭)转置算子。它使矩阵在维度上翻转，并得到矩阵的复共轭(第二部分是使人困惑的部分)，简单的回答是，在Python中，a'的等价物是np.atleast_2d(a).T.conj()。在

稍长回答：

不要在MATLAB中使用'，除非你真的知道自己在做什么。使用.'，这是普通的转置。它相当于Python中的np.atleast_2d(a).T(无共轭)。如果您确定python中的a.ndim >= 2，那么您就可以使用a.T。如果您确定在Python中a.ndim == 1，那么可以使用a[None].T。如果您确定在Python中a.ndim == 0，那么转置是没有意义的，所以只需做任何您想做的事情。在

很长的答案：

转置的基本思想是将数组或矩阵翻转一个维度，因此请考虑以下内容：>> a=[1,2,3,4,5,6]

a =

1 2 3 4 5 6

>> a'

ans =

1

2

3

4

5

6

>> b=[1,2,3;4,5,6]

b =

1 2 3

4 5 6

>> b'

ans =

1 4

2 5

3 6

所以看起来很清楚，'做了一个转置。但这是欺骗：

^{pr2}$

那些底片是从哪里来的？他们不在原来的阵型里。原因在documentation中描述。MATLAB中的'算子不是正规转置算子，正规转置算子是.'。'运算符执行一个复共轭转置。它对矩阵进行转置，并对矩阵进行复共轭。在

问题是，这几乎永远不是你真正想要的。例如，这将导致代码看起来像预期的那样工作，但会悄悄地更改您的FFT数据。因此，除非您绝对肯定您的算法需要复杂的共轭转置，否则请使用.'。在

对于Python，Python转置操作符是.T。所以你认为：>>> a = np.array([[1, 2, 3, 4, 5, 6]])

>>> print(a)

[[1 2 3 4 5 6]]

>>> print(a.T)

[[1]

[2]

[3]

[4]

[5]

[6]]

>>> b = np.array([[1j, 2j, 3j, 4j, 5j, 6j]])

[[ 0.+1.j 0.+2.j 0.+3.j 0.+4.j 0.+5.j 0.+6.j]]

>>> (1j*np.ones((1,10))).T

[[ 0.+1.j]

[ 0.+2.j]

[ 0.+3.j]

[ 0.+4.j]

[ 0.+5.j]

[ 0.+6.j]]

注意想象部分没有任何否定。如果你想得到复共轭转置，你需要使用np.conj(a)或{}来获得复共轭(在转置之前或之后)。然而，numpy有自己的转置陷阱：>>> c = np.array([1, 2, 3, 4, 5, 6])

>>> print(c)

[1 2 3 4 5 6]

>>> print(c.T)

[1 2 3 4 5 6]

嗯？它什么也没做。原因是np.array([1, 2, 3, 4, 5, 6])创建了一个1D数组。转置是沿着特定的维度翻转数组。当只有一个维度时，这是没有意义的，所以转置什么都不做。在

“但是，”你可能会反对，“1D MATLAB矩阵的转置难道不起作用吗？”原因更为根本的原因是MATLAB和numpy如何存储数据。以Python为例：>>> np.array([[1, 2, 3], [4, 5, 6]]).ndim

2

>>> np.array([1, 2, 3, 4, 5, 6]).ndim

1

>>> np.array(1).ndim

0

这似乎是合理的。二维数组有二维，一维数组有一维，标量有零维。但在MATLAB中尝试同样的方法：>> ndims([1,2,3;4,5,6])

ans =

2

>> ndims([1,2,3,4,5,6])

ans =

2

>> ndims(1)

ans =

2

一切都有两个维度！MATLAB没有1D或0D数据结构，MATLAB中的所有东西都必须至少有2维(尽管可以在MATLAB中创建自己有效的1D或0D类)。所以在MATLAB中对你的“1D”数据结构进行转置是有效的，因为它实际上不是1D

共轭转置和1D转置问题都归结为基本数据类型MATLB和numpy的使用。MATLAB使用矩阵，矩阵本质上至少是2D，而nump则使用数组，数组可以有任意数量的维。MATLAB矩阵使用矩阵数学作为它们的正规运算(所以MATLAB中的a * b是一个矩阵乘积)，而Python数组则使用逐元素数学作为它们的正规运算符(因此a * b是一个逐元素的乘积，相当于MATLAB中的a .* b)。MATLAB有逐元素运算符，numpy数组有矩阵运算符(虽然还没有矩阵转置，但正在考虑添加一个)，因此这主要适用于默认操作。在

为了在Python中避免这个问题，有几种方法可以绕过它。在Python中使用None索引插入广告传统尺寸。所以对于一维数组a，a[None]将是一个二维数组，其中第一维的长度为1。如果事先不知道数组的维数是多少，可以使用np.atleast_2d(a)，这将确保a至少有两个维度。所以0D变成2D，1D变成2D，2D保持2D，3D保持3D，4D保持4D，等等

也就是说，numpy有一个matrix类，在所有这些方面都与MATLAB的一样(它甚至有一个共轭转置运算符.H)。不要使用它。python社区已经围绕数组进行了标准化，因为实际上这几乎总是您想要的。这意味着大多数Python工具都需要数组，如果给定了矩阵，许多工具就会出现故障，或者将它们转换为数组。所以只需使用数组。在