在numpy中構造array資料時，盡量不要用np.array([1,2,3])這種，這種格式代表是乙個陣列，既不是行向量，也不是列向量，麻煩但必要的做法是：np.array([[1,2,3]])代表行向量，np.array([[1],[2],[3]])代表列向量。
a[:,0]與a[:,[0]]、a[:,0:1]的不同，如下圖：
總結matlab和numpy中對應的運算函式
matlab
python
備註[a b;c d]
np.vstack([hstack([a,b]),hstack([c,d])])
np.bmat('a,b;c,d') 返回的是matrix
np.block([[a,b],[c,d]]) 返回的是ndarray
將塊矩陣組成乙個新的矩陣
size(a)
size(a,n)
shape(a) or a.shape
a.shape[n-1]
得到矩陣的『size』,如3*4的矩陣的size為（3，4）
得到第n維的元素個數
ndims(a)
ndim(a) or a.ndim
得到陣列的維數
numel(a)
size(a) or a.size
得到陣列的元素總數
MATLAB基本矩陣函式和操作
eye 單位矩陣 zeros 全零矩陣 ones 全1矩陣 rand 均勻分布隨機陣 genmarkov 生成隨機markov矩陣 linspace 線性等分向量 logspace 對數等分向量 logm 矩陣對數運算 cumprod 矩陣元素累計乘 cumsum 矩陣元素累計和 toeplitz ...
MATLAB基本矩陣函式和操作
eye 單位矩陣 zeros 全零矩陣 ones 全1矩陣 rand 均勻分布隨機陣 genmarkov 生成隨機markov矩陣 linspace 線性等分向量 logspace 對數等分向量 logm 矩陣對數運算 cumprod 矩陣元素累計乘 cumsum 矩陣元素累計和 toeplitz ...
FFT和Matlab中操作FFT
fft 離散傅氏變換的快速演算法 fft fast fourier transformation 是離散傅氏變換 dft 的快速演算法。即快速傅氏變換。輸入n 1個數，輸出n 1個數 意義不同 輸入是時域，輸出為頻域 輸出是 每個取樣點對應的振幅或者能量值 輸出值的第乙個對應直流分量的振幅，第二個值...