機器學習和計算機視覺方向的CS碩士研究生，應該往python還是MATLAB發展？

01-07

題主背景：電子本科研究生轉CS（機器學習和計算機視覺方向），MATLAB用的比較熟。
想往python發展，原因：
1. python在網路編程和文本處理方面感覺做的比MATLAB好一點。
2. python寫出來的腳本很容易編譯成exe文件，MATLAB腳本要在沒有安裝MATLAB的環境上運行比較困難。

3. 好像很多公司現在招聘都青睞會python的。
感覺MATLAB的優點：
1. 調試很方便，滑鼠指著變數就能顯示當前值，而且圖像處理過程中只要imshow一下就可以看到當前圖像被處理成什麼樣子了。
2.感覺知道的python IDE沒有MATLAB那麼強大（可能是我孤陋寡聞，python大神勿噴），調試起來沒有matlab方便。

這個問題沒必要爭了，matlab 2014b 開始支持調用Python和被Python調用了。

我剛剛用python的時候也有這些顧慮，感覺Matlab的一大優點在於它的IDE做得好，這種可以直接查看變數數據的編輯器簡直太有用了，而且debug起來也特別容易。其實python也有類似的編輯器，叫Spyder，界面類似Matlab，功能也相近。建議題主直接去python官網下載anaconda發行版，這類似於一個Kit，裡面有Spyder編輯器，python解釋器以及一些常用的或很主流的包，裡面也有專門用於下載安裝其他包的工具，非常方便。

我曾經是Matlab的忠實粉絲，不過近年來用Python多了一些。

Python主要有這麼幾個優點：

1) 比Matlab體積小得多；

2) 各種非數值計算的庫豐富（尤其是文本處理、網路方面的）；

3) 程序比Matlab還簡潔一些。

不過，在Matlab的IDE里畫圖的方便性，還是Python的matplotlib所不能比擬的，所以需要畫圖時我就會打開Matlab。

最近我發現Python也有了個IDE叫Spyder，可以直接畫圖。雖然還沒有用過，但看起來是要完爆Matlab的節奏……

關於Python的IDE，可以參考這個：

在機器學習科學計算領域,有哪些工具能讓python和matlab一樣好用? - 李海濤的回答

這個問題當然取決於你所在方向上別人用什麼做了，視覺方面大家給的源代碼茫茫多都是MATLAB的（當然更多的是連代碼都不放的）。

當然反過來如果做了deep learning這樣都是Python介面的東西，你硬上MATLAB也是給自己找麻煩。

總之應該選一個實現起來最快的語言，畢竟是為了驗證想法和拿到實驗數據。

至於你考慮到的找工作方面，我覺得無非是學一個新語言而已，自己隨便學學然後寫幾個小東西就足夠了。而且如果你學Python是為了找工作，有時間鑽研Python不如把時間拿去刷題。

如果你選擇以後就業而不是做科研，你最終都會回到C++上來！

1. Python有一個包叫IPython，可能比matlab方便。而且畫圖的話用matplotlib幾乎就是matlab的移植。

2. 但是科學計算上性能通常還是matlab略勝一籌，而且工具包支持比較強大（不過Python也在迎頭趕上了）。

3. 如果要做文本處理和網路的話還是Python吧。

4. 可以兩個同時學啊。

1.請使用正版matlab

2.python請使用pycharm，有社區版，也可以付費購買專業版

3.python有matplotlib，畫圖也很簡單

4.matlab生成exe比python簡單多了

5.請養成下斷點調試的習慣

推薦 julia

優點：

數學表達能力強，原生支持各種矩陣、向量運算。個人感覺各種功能的正交組合甚至超過了 MATLAB 。例如： MATLAB 矩陣運算中，可以和 . 搭配的運算符很有限，.* (Element-wise multiplication), .^(Element-wise power), ./ (Right array division), . (Left array division), ." (Array transpose)。julia 語言中，運算符與 . 的搭配就很正交，幾乎所有運算符都可以加上.運算符，變成 elementwise （元素對元素的）運算符。
具有偉大的性能提升的潛力。性能極限甚至超過 C 語言。原因很簡單，對於變數的數據類型，可以不指定來自動推斷，也可以手動指定。手動指定變數類型之後的速度，基本就等價於 C。當使用自動類型推斷的時候，可以像 python 或者 MATLAB 一樣快速開發原型。當手動指定類型之後，可以用近乎 C 一般的速度去跑生產代碼。
語言年輕，且去中心化。2015年4月9日的版本是0.3.7，還沒有到1.0，各種語言特性都在劇烈變動中。比 C 語言還快的原因有兩方面：A. 可以利用 C 語言發明以來最新的業界經驗和科研成果。B. 整個 julia 語言的基礎是基於 github 開源的，保證了語言的開放性。又由於有足夠多學術界的關注，最新的學界成果得以引入 julia 語言中。
直接調用 C， Python，Java， MATLAB 和 R。C 調用這個算是現代語言的基本功能，但 julia 做得很舒服。無需配置，直接用 ccall。格式如下，ccall((：函數名，「指定C庫文件」)，返回值類型，（輸入參數數據類型），輸入參數)。PyCall （https://github.com/stevengj/PyCall.jl）得說是很流氓的。使用起來也是超級方便：using PyCall; @pyimport numpy as np; s = sin(3 * t + 4 * np.cos(2 * t)); 。例如：繪圖包 PyPlot （https://github.com/stevengj/PyPlot.jl）就是利用 Python。一連幾年 julia 都一直在 PyCon 上做宣傳。同樣邪惡的還有 JavaCall（https://github.com/aviks/JavaCall.jl）和 RCall (https://github.com/JuliaStats/RCall.jl)。其實 JuliaLang 也有個包叫 MATLAB.jl (https://github.com/JuliaLang/MATLAB.jl)，支持直接調用 MATLAB，最大限度的保護你的智力投資。
原生的單元測試支持。默認程序包開發的格式中，就內置了測試架構。語言內置單元測試宏 @test。我個人覺得其實這裡差一點，還沒有對於行為驅動開發（BDD）的原生支持。這一點可能在我看懂 FactCheck.jl （https://github.com/julialang/factcheck.jl）之後再進一步修改。
方便自由的程序包開發。只要在 github 上開一個 .jl 結尾的代碼庫，然後按照指定格式提交 METADATA 給 JuliaLang。就可以把自己開發的包提交到 Julia 官方庫。
很少有哪個語言的委員會這麼親民的，TeXLive還得是每年升級呢。程序包是否受官方包管理器支持對於成果推廣的價值是無法估量的。我學習 julia 不到一周的時候就提交一個庫（https://github.com/quxiaofeng/ProjectiveDictionaryPairLearning.jl），且被納入官方包庫，這裡順便安利一下。

原生可以調用 python，且可以使用與 matlab 極為相似的語法。有MAT.jl包可以讀寫mat文件，與實驗室其他matlab用戶共享數據，良好兼容。

對應ipython, 有ijulia。

去企業找工作python好一點，搞科研差不多。

鑒於碩士不大可能從事演算法研究工作，建議主修c++，輔修一門腳本語言

我是做視覺的，說一說我的觀點。原來大學的時候習慣用Matlab，後來上手python後已經很少用Matlab了。先說基本的庫，什麼numpy，matplotlib很多很多，總有一個能滿足你的需求。python的環境配置也不是很難，我用的是anaconda，然後IDE用的Spyder，至於如何安裝庫和調用庫也很簡單，以mac上cpu版本的tensorflow為例：1.source activate root 2.sudo pip install tensorflow 3.在Spyder中就可以import tensorflow as tf了。所以目前感覺原來Matlab做的它都能做甚至做得更好，除了simulink。深度學習機器學習在python上支持的更好一些，很多相關blog和書籍也都是以python為基礎展開的。總結一下，其他領域我不敢妄言，機器學習和深度學習相關的，最好還是精通python會比較好～

跟題注的遭遇類似，說下自己的感受。本人大學期間沒接觸過python，一直用matlab作為實驗語言。現在做項目已經轉移到python。為什麼？

1.代碼簡單程度比較。差不多，但我感覺python的語法更嚴格一些。

2. 版權問題，好像在中國沒有，但是總不能一直用盜版的，畢竟還是要在圈內混的。

3.在CV方面。多數最新的高校研究成果是基於Matlab的，為什麼呢？還是因為簡單。那我們為什麼還要拋棄matlab? 不是說它不好，而是在於它不符合程序員編程的習慣，我們需要的體驗有時候就在於import的過程。。而且現在的公司似乎沒有用matlab的，研究機構除外。

4.可能會有一些人噴我為什麼不用c++，其實這麼噴是有道理的，畢竟從應用的角度來講還是c語言之類是王道。但作為實現idea的工具，如果有一種語言可以迅速驗證想法的正確性，何樂而不為呢？

最後，我的感覺是並不是選擇某一們語言的問題，而是樓主想要的是什麼，將來需要去做什麼？如果是去高校，似乎保持用matlab就好，但去公司的話還是建議python c++

技多不壓身

我在用Python（x，y）。調試也方便，文檔也容易看。並且很多包一步到位

就像。。。衝鋒衣還是滑雪服？

你可以同時學啊，話說python很大的問題時很多庫不全吧，還是看你用的領域啦。

真的要糾結語言嗎？難道不應該更關注理論深度和idea嗎？

很多回答都提到了matplotlib，竟然沒人提下seaborn，我就強烈推薦下這個包啦，這個包是在matplotlib基礎上開發出來的，特點就是產出的圖有一股ggplot的風格，適合看慣了R作圖的同志們。。

Matlab很強大，公司有人用。

matlab就只有向量和矩陣，想弄個二叉樹就沒辦法了，而python有numpy，性能也很好。數據結構絕對是有用的，做科學計算的還是把編程水平提高點吧

珍愛生命，遠離matlab
python是一個不錯的選擇，至少學了以後不會後悔