Python 向量表示matlab与numpy

我必须在MATLAB和NumPy（Python3.x）之间切换。总是给我带来问题的是向量在NumPy中的使用方式。在MATLAB中，向量或多或少只是一个1xn或nx1矩阵。举个例子：

b=np.array([0,2])

---

是一个（2，）数组，事实上，它对于任何矩阵运算都没有用处，因为在这种情况下，我必须先做一些类似于

b的事情。几乎在任何时候，我都必须重塑函数返回的向量/数组。有人能告诉我为什么默认情况下NumPy数组不被视为列向量或行向量吗？因为我必须经常这样做……重塑是最好的方式吗
 IMHO，Numpy基于数组的语法比Matlab基于线性代数的语法灵活方便得多。在大多数情况下，numpy代码将更干净，更易于编写/遵循。在执行简单的线性代数运算时，只有少数例外情况会出现，而Matlab的语法稍微有效一些

请注意，在大多数情况下，为了模拟matlab的操作，您不需要重塑

numpy数组。例如

A.dot（b）

或

A@b

（python 3），其中

A

是一个矩阵（二维

numpy.array

），本质上与Matlab中的

A*b

相同。给自己一些时间熟悉numpy，你会发现是Matlab“强迫”你过度使用/滥用

重塑

函数，而不是numpy。

如果我需要（n，1）数组，我通常使用

b[：，None]

numpy

通常将（n，）数组视为（1，n），也就是说，如果需要，它会在开始时添加新的DIM。Matlab在另一端扩展了dims。我希望这是真的，但切片是一场噩梦，需要跟踪。@percusse可能是真的。然而，我相信这个噩梦在matlab中会更糟！：）