MATLAB与PYTHON交互学习（下）

一，操作技巧
1，numpy按位找数
matlab可以根据逻辑语句结果获得相应位置的数据，使用此方法可以比find的速度快很多，而且有助于加速大规模的矩阵运算，如下矩阵aa=[1,2,3,4;5,6,7,8]，获取大于3的数据，可以使用：

bb=aa(aa>3)'
bb =
     5     6     7     4     8

其中aa>3返回的是一个逻辑矩阵，矩阵中0代表false，1代表true。
python中的numpy包也可以这样用，直接使用或者加一个层where函数，直接使用将会返回0。如下：

aa=np.array([[1,2,3,4],[5,6,7,8]])
bb=aa[np.where(aa>2)]
cc=aa[aa>2]
In[16]:bb
Out[16]: array([3, 4, 5, 6, 7, 8])
In[17]:cc
Out[17]: array([3, 4, 5, 6, 7, 8])

aa>2的结果为bool型矩阵，满足条件为ture，不满足为false。注意，这种逻辑性操作并不适合直接移植到list等数据结构中。
2，拷贝
python具有明显的编程语言性质，拷贝有三种程度：赋值，浅拷贝，深拷贝。matlab中的赋值实际更像python中的深拷贝，如matlab中b=a语句完成后b和a几乎没有任何关系，各自之间的修改没有任何关系。python中的赋值b=a b与a指向了同一片内存，因此修改a将改变b修改b将改变a，如下：

aa=np.array([[1,2,3,4],[5,6,7,8]])
bb=aa
aa[0,0]=10
print(aa)
print(bb)
结果：[[10  2  3  4]
 [ 5  6  7  8]]
[[10  2  3  4]
 [ 5  6  7  8]]

如果想让a，b之间没有关系，首先可以使用的是浅拷贝，bb=aa.copy()。但是浅拷贝的缺点就行名字那样拷贝的比较浅，拷贝后二者仍然在更深一层的结构上指向相同，如下（借用https://www.cnblogs.com/awishfullyway/p/6031039.html的例子）：

import copy
a = [1, 2, 3, 4, ['a', 'b']]  #原始对象
b = a  #赋值，传对象的引用
c = copy.copy(a)  #对象拷贝，浅拷贝
d = copy.deepcopy(a)  #对象拷贝，深拷贝
a.append(5)  #修改对象a
a[4].append('c')  #修改对象a中的['a', 'b']数组对象 
print 'a = ', a
print 'b = ', b
print 'c = ', c
print 'd = ', d
结果：
a =  [1, 2, 3, 4, ['a', 'b', 'c'], 5]
b =  [1, 2, 3, 4, ['a', 'b', 'c'], 5]
c =  [1, 2, 3, 4, ['a', 'b', 'c']]
d =  [1, 2, 3, 4, ['a', 'b']]

可以看出浅拷贝中list中的list仍然可能被互相修改。在写代码做模型时，我们一般想要的是深拷贝的结果，因此从matlab到python变换复写时，时刻注意"="可能需要变换为deepcopy()。
3，消除空字符
在读取数据时经常会遇到空值，如xlsx中的空值，将会被xlrd.open_workbook读入为'' ，为了计算方便需要在list中将'' 替换成想要的值，目前想到的替换方法如下（网上并没有查到可以直接替换的方法）：

aa=[1,'',3,4,'',6]
for i in range(aa.count('')):
    aa[aa.index('')]=np.NaN
结果为：[1, nan, 3, 4, nan, 6]

也可以这样，不过两者的速度如何，还没有做过尝试。

for i in range(len(aa)):
     if aa[i]=='':
        aa[i]=np.NaN

MATLAB与PYTHON交互学习（下）

MATLAB与PYTHON交互学习（下）

猜你喜欢