MATLAB在逐渐被Python淘汰吗？ 第1页

当年在学术圈的时候，Matlab 基本上就是计算数学专业，金融数学科研人士的首选啊，身边不少的 PHD 都是选择用 Matlab 来运行自己的程序。在本科学习计算数学的时候，大家也是会选择使用 Matlab 来进行编程，毕竟如果用 C++ 这种语言，确实会有很多坑。科研的时候最主要的是想法，有卓越的想法是最应该考虑的事情，如果花时间长期处理一些编码上面的问题确实是没有必要的。学术界的合作人数毕竟是有限的，一般情况下合作者有个十几二十个就已经很多很多很多了。这种情况下，大家都使用 Matlab 是可以理解的。

后来到了互联网工业界，基本上就再也没见到 Matlab 的身影了，如果是互联网的话，工业界不少的工作内容都需要跟别人对接。如果使用 Python，肯定能够找到可以对接的人，哪怕改写成 C++ 也不是不可以。但是如果使用 Matlab，那真的就不好找人对接工作了，只能够自己搞一些离线的数据来进行试验和分析。工业界的工作还存在一个上线使用的问题，这种时候就要对接公司的各个系统和服务器，用 Python 的优势明显会比 Matlab 大。而且 Python 各种开源库十分丰富，也是免费的，能够做的事情真的很多。

如果是机械工程方向的话，就看老师的要求和未来求职方向吧。不过多学一两门语言也不是太困难的事情，毕竟两门一起学也花不了多少时间，也掌握了多个技能。

讲一下自己最近用python做仿真的血泪史。

曾几何时，为了拥抱python，我也将自己日常科研中提出的算法都拿numpy，scipy以及其他第三方packages来仿真和验证。然而最近有两次，我的两个算法原型在python里验证怎么都得不到和理论上完全一致的结果。第一个根本没法得到reasonable的结果，第二个可以得到部分一致的结果，但是python求解用到的时间特别长。检查了N遍代码以及我的方法，都无法做到consistent，百思不得其姐到怀疑人生。最后抱着试试看的想法，把python代码对照着在matlab里逐句转换了一遍。神奇的事情发生了，第一个实验matlab里当场给出和理论上consistent的结果，第二个实验不仅得到consistent的结果，而且速度提高了N倍。。。

代码一样，但结果却是天差地别。究其原因我认为可能是正如 @清雨影 大佬所说，matlab在求逆、产生随机数、矩阵分解等函数上进行了比numpy、scipy相对应的函数，要多得多和细致得多的优化。因为这些函数对用户来说都是黑盒，所以要人工检差是否是这些黑盒引起的偏差实在是太麻烦了。所以如果想要快速、省心的初步验证一些自己的想法是否work，强烈推荐直接上MATLAB。。。

当然上面说的仅限于科学计算相关。

总结起来，大概是尽管matlab在“人无我有”方面正在走下坡路，但是在“人有我好”方面目前还有很大优势。

------更新-------

评论区有朋友提醒说，前后结果不同，是否可能是由于python的"pass by reference"(更准确说是"pass by assignment")引起的。刚才花了点时间就这一问题重新检查了我第一个实验的代码，没有出现这种把"pass by reference"和"pass by value"混淆的错误。

------二更---------

评论区也有朋友指出，matlab和numpy的linear algebra等相关数学函数都是基于(甚至直接使用)的intel所提供的BLAS (basic linear algebra subprograms)和MKL (Math Kernel Library)。也就是说，不论用python还是matlab，诸如矩阵乘法的运算，可能本质上用的都是BLAS和MKL。去查了matlab文档，确实有说

"In the year 2000, MATLAB migrated to using LAPACK, which is the modern replacement for LINPACK and EISPACK. It is a large, multi-author, Fortran library for numerical linear algebra. LAPACK was originally intended for use on supercomputers because of its ability to operate on several columns of a matrix at a time. The speed of LAPACK routines is closely connected to the speed of the Basic Linear Algebra Subroutines (BLAS). The BLAS version is typically hardware-specific and highly optimized."

不过，目前不能确定“产生随机数”部分二者是否有区别。另外，第一个实验里我还用了ode solver，python里是scipy.integrate.odeint，matlab里用的是ode45。ode solver应该可以确定scipy和matlab还是有很大区别的，评论里也有朋友指出。我也在网上找到了有人对不用语言的ode solver性能做的实验比较，贴在这里。根据链接里的实验结果，Julia>>Matlab>=Scipy。。。(难道下一次赶时髦要搞起Julia了？)

-----三更-------

我没在matlab和python里主动开GPU，除非matlab会默认打开GPU，从安装matlab之后我没做过关于GPU方面任何的改动。

没有用R语言试过，哪天无聊可以试下。