数学函数从MATLAB转换为Python

我目前正在从事一个项目，该项目涉及将一个在MATLAB中运行的程序转换为Python，以提高速度和效率。然而，我遇到了一个绊脚石。首先，我对MATLAB中的tilde（~）表示什么以及如何在python中以相应的方式表示它感到困惑。其次，我一直在搜索文档，我也很难在MATLAB中找到“符号”函数的等效函数

    indi = ~abs(indexd);
    wav = (sum(sum(wv)))/(length(wv)*(length(wv)-1));
    thetau = (sign(sign(wv - wav) - 0.1) + 1)/2;
    thetad = (sign(sign(wav - wv) - 0.1) + 1)/2;

---

我已经将前一段代码中的indexd和wv转换为numpy数组。替换~和符号函数的最有效的python方法是什么？

如果您使用的是

numpy

，那么您也可以使用

~

像MATLAB一样反转。请参阅：。

sign

功能也存在于

numpy

中。你用。因此，上面的代码很简单：

>>> import numpy as np
>>> indi = ~np.abs(indexd)
>>> wav = (np.sum(wv))/(len(wv)*(len(wv)-1))
>>> thetau = (np.sign(np.sign(wv - wav) - 0.1) + 1)/2
>>> thetad = (np.sign(np.sign(wav - wv) - 0.1) + 1)/2

请注意，在MATLAB中对矩阵使用

length

可以找到矩阵中的最大维度，而

numpy

使用

len

可以获得矩阵中的总行数。假设

wv

中的行数大于或等于

wv

中的列数，则上述代码将按预期工作。然而，如果您的列多于行，那么您需要找到维度的最大值并使用它来代替。。。因此：

>>> import numpy as np
>>> maxdim = np.max(wv.shape)
>>> indi = ~np.abs(indexd)
>>> wav = (np.sum(wv))/(maxdim*(maxdim-1))
>>> thetau = (np.sign(np.sign(wv - wav) - 0.1) + 1)/2
>>> thetad = (np.sign(np.sign(wav - wv) - 0.1) + 1)/2

默认情况下，上面对所有维度的实际求和调用，因此无需调用嵌套的

sum

调用对整个矩阵求和（感谢Divakar！）

---

完全推荐您到这里，查看从MATLAB到

numpy

的精彩表格和指南：

如果您使用的是

numpy

，那么您也可以使用

~

来反转类似于MATLAB的东西。请参阅：。

sign

功能也存在于

numpy

中。你用。因此，上面的代码很简单：

>>> import numpy as np
>>> indi = ~np.abs(indexd)
>>> wav = (np.sum(wv))/(len(wv)*(len(wv)-1))
>>> thetau = (np.sign(np.sign(wv - wav) - 0.1) + 1)/2
>>> thetad = (np.sign(np.sign(wav - wv) - 0.1) + 1)/2

请注意，在MATLAB中对矩阵使用

length

可以找到矩阵中的最大维度，而

numpy

使用

len

可以获得矩阵中的总行数。假设

wv

中的行数大于或等于

wv

中的列数，则上述代码将按预期工作。然而，如果您的列多于行，那么您需要找到维度的最大值并使用它来代替。。。因此：

>>> import numpy as np
>>> maxdim = np.max(wv.shape)
>>> indi = ~np.abs(indexd)
>>> wav = (np.sum(wv))/(maxdim*(maxdim-1))
>>> thetau = (np.sign(np.sign(wv - wav) - 0.1) + 1)/2
>>> thetad = (np.sign(np.sign(wav - wv) - 0.1) + 1)/2

默认情况下，上面对所有维度的实际求和调用，因此无需调用嵌套的

sum

调用对整个矩阵求和（感谢Divakar！）

---

完全推荐您到这里，查看从MATLAB到

numpy

的精彩表格和指南：

表示逻辑

非

并返回数值的符号。表示逻辑

非

并返回数值的符号。实际上，您可以避免使用

.sum（）

@Divakar-谢谢。我真的忘了。更改了我的帖子。或者保留你所说的

np.sum

，做一些类似

np.sum（wv）

。没有提到轴，它就在内部分解了。@Divakar-Huh。我认为默认情况下它默认为

轴=0

，这意味着遍历所有列。有趣。@Divakar-有趣。我一定会修改我的帖子。谢谢顺便说一句，你说得对。它默认为

axis=None

，这意味着迭代所有维度。谢谢实际上，您可以使用

.sum（）

@Divakar来避免

拆开

——谢谢。我真的忘了。更改了我的帖子。或者保留你所说的

np.sum

，做一些类似

np.sum（wv）

。没有提到轴，它就在内部分解了。@Divakar-Huh。我认为默认情况下它默认为

轴=0

，这意味着遍历所有列。有趣。@Divakar-有趣。我一定会修改我的帖子。谢谢顺便说一句，你说得对。它默认为

axis=None

，这意味着迭代所有维度。谢谢