introduction

--Note que les utilisateurs de MATLAB touchent Python --Révision séquentielle

environnement

--spyder Il semble lourd et disgracieux.Je pense que Rstudio est inférieur en perfection.

Auvent, je ne me souviens pas
studio visuel lourd, fenêtres --Je pense qu'emacs + jedi.el + ipython est suffisant pour l'achèvement --Atom, Subime + ipython Je ne l'ai pas essayé, mais c'est suffisant s'il complète des modules externes.

startup Si vous exécutez startup.m dans MATLAB dans MATLAB /, il sera exécuté au démarrage, donc j'y ai défini le chemin, mais en ipython, c'est comme "~ / .ipython / profile_default / startup / 00-hoge.py" Il semble que vous devriez l'écrire. À partir du LISEZ-MOI ci-dessous. Je ne connais pas les fenêtres.

This is the IPython startup directory
.py and .ipy files in this directory will be run *prior* to any code or files specified
via the exec_lines or exec_files configurables whenever you load this profile.

Files will be run in lexicographical order, so you can control the execution order of files
with a prefix, e.g.
    00-first.py
    50-middle.py
    99-last.ipy

Je n'ai écrit que ceci pour le moment

import matplotlib.pyplot as plt
import numpy as np

Impressions

――Il a été amélioré dans MATLAB récent, mais l'espace de noms est facile à comprendre.

Le code de caractère, en particulier l'échappement, est compliqué --ipython ne complète parfois pas
Le grattage est facile ――Je pense que MATLAB est plus flexible et meilleur pour les graphiques.

grammaire

indice

a(1:end) => a[0:]
a(1:end-1) => a[0:-1]

Relatif à la fonction

Mis à part le traitement standard, je ne comprenais pas vraiment les packages standard pour les statistiques et le traitement d'images au début.

système

mkdir => os.mkdir
tic => t = time.time()
toc => time.time()-t
disp => print "Hello"

queue

C'est presque comme engourdi

A(:) => A.ravel()
num2str => "{0:04d}".format(A[i])

statistiques

Les fonctions simples sont dans numpy. Après cela, scipy.stats semble être suffisant

median(A) => numpy.median(A)
mean(A) => numpy.mean(A)
std(A) => numpy.std(A)
corrcoef => numpy.corrcoef
signrank => scipy.stats.wilcoxon
zscore => scipy.stats.mstats.zscore

Traitement d'image lié

Skimage est-il proche du numéro un de l'IPT?

imadjust => skimage.transform.rescale_intensity
imresize => skimage.transform.resize
imread => skimage.io.imread
imwrite => skimage.io.imsave

Matlab => Notes de migration Python