pythonmatlab速度

1. python 与 Matlab 哪一个对量化投资和分析更有帮助

Matlab在矩阵处理方面的强大优势Python无法比拟，我曾经用Matlab和Python跑同一个算法，涉及到矩阵中Symbol求导。Python用的是Numpy，Sympy和Scipy，感觉Sympy中Matrix虽然功能强大，但是速度很慢，而且需要专注其中各种细节。如：其对Complex类型是无法自动expand的，常常出现(1+I)(2I+1)这种结果，这时需要调用.expand来解决。Matlab可以使你专注于模型，Python要超过Matlab还需要时间。但是Python在内容抓取，机器学习，等有强大的第三方包，如Scarpy，Skikit-learn等，发展很快。概括之：现在用Matlab，未来用Python

2. 量化投资中，MATLAB和python哪一个好

Matlab在矩阵处理方面的强大优势Python无法比拟，我曾经用Matlab和Python跑同一个算法，涉及到矩阵中Symbol求导。Python用的是Numpy，Sympy和Scipy，感觉Sympy中Matrix虽然功能强大，但是速度很慢，而且需要专注其中各种细节。如：其对Complex类型是无法自动expand的，常常出现(1+I)(2I+1)这种结果，这时需要调用.expand来解决。Matlab可以使你专注于模型，Python要超过Matlab还需要时间。但是Python在内容抓取，机器学习，等有强大的第三方包，如Scarpy，Skikit-learn等，发展很快。概括之：现在用Matlab，未来用Python

3. Python对比Matlab，有什么决定性的优势

python是编程语言，可以做各种事情，包括爬虫、自动化测试、写软件、数据挖掘等等；而matlab不是编程语言，只是科学计算的高效软件。
python处理较大量的数据时速度依然很快，matlab就不行了，所以做量化、大数据，python明显比matlab好。
还有matlab7~12个G这么大，而且不容易找到破解版，相对而言，python好多了，体积小功能全。

4. python的scipy与matlab，但就运算速度而言，哪个快

Matlab快 毋庸置疑

5. Python的循环和MATLAB循环哪个难

python约比matlab慢60倍 ，MATLAB更难。

6. Matlab脚本的运行速度比Python的脚本慢吗

噢，这个不是python擅长的，你应该去网络搜一下linux命令crontab的用法，一分钟就能明白如何设置一个定时运行任务。 如果你想写一个程序，用python完成一个crontab类似的功能，那么请看《UNIX环境高级编程》第13章，但弄懂这个是要花一点时间了。

7. 做为一个宽客,应该选择Matlab还是Python呢各有什么利弊

我自己曾经把一个策略框架用Matlab和Python同时写了一遍。
Matlab的优点是数据格式规范，工具包调用简单，包之间完全不存在相互冲突。
Python的优点在于我能较方便的写出一个可以独立运行的GUI，而且数据读取、处理更顺手。基本都是胶水语言的优点。
而且，该框架Python的运行速度比Matlab快五倍左右（粗略估计）。

但是，我很确定的发现，Matlab更适合我这样的策略研究者，在Matlab下不会被策略之外的bug频繁打断逻辑思路。

我现在研究策略主要用Matlab，Python会用来读取和清洗数据，如果对运行速度有要求，会使用其他解决方案或者Python。

注：曾经因为一个工具包而使用R，感觉结果不对劲，发现工具包本身有错误。和包的作者沟通后确定了。从此对R再也提不起兴趣。不知道Python甚至Matlab是否也存在这种问题。总之，调用工具包都要小心。

8. matlab与python区别

下面从两者各自的应用做个对比。

一、python的优势
Python相对于Matlab最大的优势：免费。国内可能不是很在乎这个，但在国外是个很关键的问题。

Python次大的优势：开源。你可以大量更改科学计算的算法细节。

可移植性，Matlab必然不如Python。但你主要做Research，这方面需求应当不高。

第三方生态，Matlab不如Python。比如3D的绘图工具包，比如GUI，比如更方便的并行，使用GPU，Functional等等。长期来看，Python的科学计算生态会比Matlab好。

语言更加优美。另外如果有一定的OOP需求，构建较大一点的科学计算系统，直接用Python比用Matlab混合的方案肯定要简洁不少。

python作为一种通用编程语言，可以做做Web，搞个爬虫，编个脚本，写个小工具用途很广泛。

二、matlab的优势
学术界大量使用matlab做仿真，做研究的话容易找到代码参考；
语法相对python更灵活一些，matlab写程序基本不用套路，所谓老夫撸matlab就一个字，干；
有simulink。有人说simulink没什么用，其实还是挺有用的，比如通信建模，另外simulink可以生产DSP或者FPGA代码，有的时候很有用。
三、两者的区别
python是一种通用语言，而matlab更像是一个平台。

四、怎样选择
如果做研究，可以matlab为主；如果做产品，可以python为主。当然也有matlab做成产品的，打包成exe什么的都不是事

9. 在机器学习科学计算领域,有哪些工具能让python和matlab一样好用

Pycharm相比Spyder的优点是：
1 调试更方便，Spyder在其他文件里面设置断点，竟然无法停下来，必须得在主程序里面设置一个断点，然后“Step into”，如果嵌套比较深的话，这种方法特别麻烦。 Pycharm就没有这个问题。

2 Pycharm的“Reformat code”功能我特别喜欢，可以自动将你的代码排版规范，比如=两边各空一格，函数结尾空两行等等，不止能作用于一个文件，而且能一次性作用于整个项目！

Pycharm的缺点：
1 最新版本虽然支持了ipython，但功能体验比较差，1，反应比较慢 2 tab键经常不能弹出对象的属性与方法。

2 没有workspace。

所以，我的建议是结合使用这两个工具，基本上能达到MATLAB的使用体验。

2016年3月14日的补充
经过一段时间使用，也发现了Anaconda的缺点。特别是spyder。
1 在workspace里，对数据量偏大一点的变量进行查看，容易卡死，而MATLAB不会。
2 再workspace里，浮点数只显示小数点后三位，我经常要手工修改为显示为小数点后6位，不知道怎么修改默认设置。
3 断点调试明显没有MATLAB方便。
4 没有MATLAB那样方便的Profiler,用于发现代码运算瓶颈，而Spyder没有。
还有其他的，就不一一列举了，总之，在IDE上，Spyder相比MATLAB差远了，但我用Python，仍然会用Spyder，因为目前没有更好的替代品。

原答案：
千言万语汇成一句话: 安装Anaconda!
Anaconda非常适合做研究.Pycharm适合做开发,而不是研究.
为什么说Anaconda好呢?
1 自带了很多适合搞科学研究的库,比如numpy, scipy, pandas, matplotlib, sympy, sklearn等.
2 里面的spyder的界面非常像matlab的界面, 还支持单步调试.编辑器像matlab那样，可以创建cell（使用#%%，与matlab类似），方便查看与调试。
3 里面的ipython notebook, 非常适合交互和展示成果.