python和matlab和R

A. 我為什麼選擇python而不是Matlab和R語言

做數據分析、科學計算等離不開工具、語言的使用，目前最流行的數據語言，無非是MATLAB，R語言，Python這三種語言，但今天大聖眾包（www.dashengzb.cn）小編簡單總結了python語言的一些特點及平常使用的工具等。

這算一個非常強大的PythonIDE，功能十分強大，界面也挺好看的。不過就初學者而言，沒有必要，功能多了反而迷眼。等以後要開發大型應用程序的時候再學也不遲。

我對比使用了一段時間之後發現這個確實好用，比Spyder省心多了。

python上手教程推薦

選擇安裝好python，最重要的就是使用，下面我們大聖眾包為大家推薦幾個教程吧，讓新手練練找找感覺，你會發現python並沒有想像中那麼難：

Diveinto Python面向有一定編程基礎的同學。另外還有DiveintoPython3，針對Python3的教程。

Learn Python The Hard Way，書中主要是通過各種練習來進行學習，面向完全沒有編程經驗的同學。

Invent Your Own Computer Game With Python，讓你一上手就做個游戲出來的教程，有趣好玩吧。

The Python Tutorial，官方文檔中的教程，正統而完整。

其實，個人覺得學習python是一門很劃算的事情，主要本身特點簡單、易用，很多沒有編程基礎的朋友都可以學會，另外一點是它可以用來做桌面程序、網站開發、處理腳本文件等等，日常用途很多，因此，學一門語言，更重要是選對一門語言，才能為我所用！

B. python和matlab有可比性嗎

有

Python+numpy的優點：
免費，軟體體積小；
代碼更簡潔；
有set、dict之類的高級數據結構；
文本處理更方便。

Matlab的優點：
繪圖比較方便，
自帶很多專業函數；
默認數據類型為實型（即使是整數常量也會被轉換成實型）
有profiler，可以方便地找到程序的效率瓶頸。

C. matlab和python的區別是什麼

一、指代不同

1、matlab是Python的集成開發環境，自1.5.2b1以來已與該語言的默認實現捆綁在一起。

2、python：是一種跨平台的計算機程序設計語言。是一種面向對象的動態類型語言。

二、用處不同

1、matlab被打包為Python包裝的可選部分，包含許多Linux發行版 。 完全用Python和TkinterGUI工具包編寫（Tcl/ Tk的包裝函數）。

2、python：被設計用於編寫自動化腳本(shell)，隨著版本的不斷更新和語言新功能的添加，越來越多被用於獨立的、大型項目的開發。

(3)python和matlab和R擴展閱讀：

Mathwork Matlab是權威計算軟體，但是2019年11月，AMD銳龍處理器疑似被「劣化」，無法正確調用最新指令集，導致性能殘血。Matlab會提前檢測處理器身份，也就是CPUID字元串。

如果找到GenuineIntel，也就是正品Intel處理器，就會利用Intel MKL(路徑內核庫)，並調用AVX2指令集，獲得理想性能。但在最新版的Matlab 2020a中，這個問題終於被修復了，不管Intel還是AMD處理器，都會默認調用最新指令集。

D. 針對繪圖方面的需求，matlab，python和R哪個更加強大

繪圖的話，matlab功能強大且代碼非常簡潔，操作也很方便（相對於python和R來說），但缺點是曲線有鋸齒，不光滑，不太美觀。
python的matlabplot繪圖曲線沒有鋸齒，比較光滑，但3D的繪圖比matlab麻煩。
R我不熟悉，估計跟python差不多。

如果是簡單的繪圖，建議使用matlab。如果是專業的繪圖需要，建議用python的其他繪圖庫（seaborn用法跟matplotlab相似，圖形很漂亮；
pygal和bokeh的優點是可交互，圖形也比較好看；
geoplotlib用於繪制地理圖形，比如一些地圖；
ggplot簡單易學，但圖形不如seaborn美觀）

E. Python跟Matlab有什麼區別和聯系呢

聯系：可以使用python語言開發Matlab軟體使用的程序。

區別：

一、指點不同

1、Python：是一種跨平台的計算機程序設計語言。

2、Matlab：是美國MathWorks公司出品的商業數學軟體。

二、功能不同

1、Python：是一種面向對象的動態類型語言，最初被設計用於編寫自動化腳本(shell)，隨著版本的不斷更新和語言新功能的添加，越來越多被用於獨立的、大型項目的開發。

2、Matlab：用於演算法開發、數據可視化、數據分析以及數值計算的高級技術計算語言和互動式環境，主要包括MATLAB和Simulink兩大部分。

三、特點不同

1、Python：Python是一種代表簡單主義思想的語言。閱讀一個良好的Python程序就感覺像是在讀英語一樣。使你能夠專注於解決問題而不是去搞明白語言本身。

2、Matlab： 高效的數值計算及符號計算功能，能使用戶從繁雜的數學運算分析中解脫出來；具有完備的圖形處理功能，實現計算結果和編程的可視化。

F. matlab與python區別

下面從兩者各自的應用做個對比。

一、python的優勢
Python相對於Matlab最大的優勢：免費。國內可能不是很在乎這個，但在國外是個很關鍵的問題。

Python次大的優勢：開源。你可以大量更改科學計算的演算法細節。

可移植性，Matlab必然不如Python。但你主要做Research，這方面需求應當不高。

第三方生態，Matlab不如Python。比如3D的繪圖工具包，比如GUI，比如更方便的並行，使用GPU，Functional等等。長期來看，Python的科學計算生態會比Matlab好。

語言更加優美。另外如果有一定的OOP需求，構建較大一點的科學計算系統，直接用Python比用Matlab混合的方案肯定要簡潔不少。

python作為一種通用編程語言，可以做做Web，搞個爬蟲，編個腳本，寫個小工具用途很廣泛。

二、matlab的優勢
學術界大量使用matlab做模擬，做研究的話容易找到代碼參考；
語法相對python更靈活一些，matlab寫程序基本不用套路，所謂老夫擼matlab就一個字，干；
有simulink。有人說simulink沒什麼用，其實還是挺有用的，比如通信建模，另外simulink可以生產DSP或者FPGA代碼，有的時候很有用。
三、兩者的區別
python是一種通用語言，而matlab更像是一個平台。

四、怎樣選擇
如果做研究，可以matlab為主；如果做產品，可以python為主。當然也有matlab做成產品的，打包成exe什麼的都不是事

G. 金融數據分析用python還是R還是matlab好

以前有過類似的問題 可以參考下：

http://www.xkyn.com/jiankang/tixing-2076112720581378468.htm

H. python和matlab哪個好

簡單對比：
python和matlab的共同點都是各種庫十分豐富。
python是給懶人用的。
matlab是給數學好的人用的。。。
比起python，matlab的大小簡直不能忍。
python是免費的，我用上了Windows正版，Adobe Flash和DW的正版，但是仍然買不起matlab的正版。
matlab是專門給科學計算設計的。python不是。
python可以調用matlab庫。當然matlab也能調用python庫。
python容易學。
matlab在大學里你不得不學。
python的閉包有著奇怪的性質，這使得你把lisp語言翻譯成python的時候經常遇到bug，而且基本上都是因為閉包而起。
當你把lisp語言翻譯成matlab時，bug會比較少，但是你完全不知道它們是怎麼出現的，而且很難解決。
簡言之，學生的話，建議MATLAB，可以選擇破解版，我們學校給買了正版。工作的話建議Python，而且現在winPython 的數學計算也很強大。

I. 針對繪圖方面的需求，matlab，python和R哪個更加強大

數據可視化繪制相關性散點圖
對比數據相關性是數據探索常用的一種方法，下面是Python和R的對比。
Pythonimport seaborn as sns
import matplotlib.pyplot as plt
sns.pairplot(nba[["ast", "fg", "trb"]])
plt.show()

Rlibrary(GGally)
ggpairs(nba[,c("ast", "fg", "trb")])

雖然我們最終得到了類似的圖形，這里R中GGally是依賴於ggplot2，而Python則是在matplotlib的基礎上結合Seaborn，除了GGally在R中我們還有很多其他的類似方法來實現對比制圖，顯然R中的繪圖有更完善的生態系統。
繪制聚類效果圖
這里以K-means為例，為了方便聚類，我們將非數值型或者有確實數據的列排除在外。
Rlibrary(cluster)
set.seed(1)
isGoodCol <- function(col){
sum(is.na(col)) == 0 && is.numeric(col)
}
goodCols <- sapply(nba, isGoodCol)
clusters <- kmeans(nba[,goodCols], centers=5)
labels <- clusters$cluster

nba2d <- prcomp(nba[,goodCols], center=TRUE)
twoColumns <- nba2d$x[,1:2]
clusplot(twoColumns, labels)

Pythonfrom sklearn.cluster import KMeans
kmeans_model = KMeans(n_clusters=5, random_state=1)
good_columns = nba._get_numeric_data().dropna(axis=1)
kmeans_model.fit(good_columns)
labels = kmeans_model.labels_

from sklearn.decomposition import PCA
pca_2 = PCA(2)
plot_columns = pca_2.fit_transform(good_columns)
plt.scatter(x=plot_columns[:,0], y=plot_columns[:,1], c=labels)
plt.show()

結論
Python 的 pandas 從 R 中偷師 dataframes，R 中的 rvest 則借鑒了 Python 的 BeautifulSoup，我們可以看出兩種語言在一定程度上存在的互補性，通常，我們認為 Python 比 R 在泛型編程上更有優勢，而 R 在數據探索、統計分析是一種更高效的獨立數據分析工具。

J. python和matlab相比有什麼優缺點

python優點：
1、跨平台，免費，開源軟體豐富
2、區支持非常多
3、體積，支持嵌入式
4、易學，容易上手，能寫C語言就能寫Python
5、動態語言，有良好的擴展性能，與其它語言編程介面友好

python缺點：
1、特殊的專業領域，代碼不多
2、模擬功能較弱

目前只想到這些