你应该学习吉他还是钢琴？你应该学习足球还是篮球？你应该学习化学还是物理学？这些问题的答案取决于你的兴趣点在哪里，方向选择是什么，而后再说选什么 ；让我们借助比较通俗的方式切入，来讨论Matlab和Python应该选哪个。

第一部分：木工活

假设你要做个柜子，做个柜子

这时候，你需要选以下辅助手段和工具，首先是.....一体化的工作间，有桌子、裁切电子设备、测量仪器等，但是，它毕竟占用了大量空间，而且价格不便宜，可移动便携性差，再有，有的工具还完全派不上用。工具间和设备一应俱全

于是你反问自己，我需要这些吗？其实，还有别的选择，譬如这些：主要木匠工具

对的，这些选几把就够用了，轻巧、便宜、便携，而且还容易上手！当然，美中不足，缺少许多可以切割或让制造过程更高效的设备，不过，你可以添加点扩展件：一些扩展件，你懂的

第二部分：两者相比较优缺点

根据前面的木匠活类比，Matlab类似于集成化的工具间，使用它“你就是干木工活！”，而Python则类似后者，一系列小工具，选择它“你偶尔还可以开小差做点别的活！”，个人认为Matlab最好还是使用在要求苛刻的数学问题解决中。以下是对两者的一个惯常比较。

MATLAB

优点-Matlab提供了许多出色的工具和软件包，可以轻松有效地处理繁重的计算；

线性代数之王-非常简单并且能够计算大型矩阵：inverses、multiplication、rank等；

语言更简单-在Matlab上编写某些操作和行为要容易得多，在符号上更接近数学；

# MATLAB

row = [ 1 2 3 ]% creating a row

mat = [1 2 3; 4 5 6]% creating a matrix

col = row';% transposing the row

inner = row*col% computing inner product

缺点-在Matlab中进行可视化非常容易，借助其集成的IDE，可以编辑代码、显示输出、绘制图形、操纵数据等。

缺点-使用成本非常高，占用大量内存空间和功能，并且无法"移植"在较低级别的硬件上；

通用性有限，与Python相比，其应用的范围较小。(但我们不是在说数学方面的应用吗？)

PYTHON

优点-快速开发，免费-语言是开源的，你只需下载并免费安装即可！易于编写和调试，而Matlab在这方面较重；

丰富的库；

可移植性强。

缺点-缺少类似Matlab所具备的内置的工具和软件包；

面向初学者的挑战——对于借助generators、构造函数、列表、元组、字典、面向对象的编程等概念，使用Python会比Matlab更具挑战；

与Matlab相比，更难以可视化显示来自Python的数据。

第三部分：(Matlab)数学编程方面

Matlab可以做什么？

尽管Matlab仍然是一个解决线性代数问题的系统，但在此基础上已经建立了大量的工具，以下是Matlab在数学编程方面能做的几件非常酷的事情：数据采集-通过简单地拖放组件，就可以从连接的设备中获取数据，进行处理，而后实现非常用户友好的输出；

微分法-使用Symbolic Math Toolbox，Matlab可以执行微积分和许多其他形式的数学运算；

RNA结构-这是一个根据序列预测和显示RNA结构的应用程序；

人脸检测-这是现今许多主要人脸检测算法之一，Matlab在图像处理中被广泛使用。

Matlab工作原理？

Matlab使用自带的开发环境，使用自己的专有语言。但是，它可以与诸如C++和Fortran之类的语言的外部程序和函数一起使用。此外，我们可以把在Matlab内部创建的应用程序输出到C编程语言，以便可以把它包含到外部程序中。

如前面所说，由于Matlab是线性代数的基础，它根据矩阵进行思考，Matlab脚本语言显示了这一点。

基本概念

Matlab的类型很弱，类似于Perl和JavaScript，因此，它可以根据我们的使用方式找出简单的变量，譬如如果我们告诉它 x = 15.7，那么它会知道x是一个浮点数；另一方面，如果我们告诉它，x = 'help'它知道x是一个字符串，而如果你使用数字，例如字符串，那么它将在二进制级别处理它们，就像Perl一样。

你可以像在任何编程语言中一样操作变量，同样字符串实际上是字符数组，因此可以进行管理。

矩阵

Matlab的强大之处在于对矩阵的轻松操作。在方括号内定义矩阵，其列由空格分隔，行由分号分隔。这里有一个简单示例：

A = [1 1 0 0];

B = [1; 2; 3; 4];

C = A * B

第一行定义一个1×4 A矩阵，第二行定义一个4×1 B矩阵。通过基本矩阵代数，我们知道结果为：1 * 1 + 1 * 2 + 0 * 3 + 0 * 4 =3。

工具箱

除了Matlab提供的数学工具外，还有许多其他功能，特别是工具箱。除了符号数学工具箱，在各个领域还有其他工具箱：并行运算

数学、统计和优化

控制系统

信号处理与通讯

图像处理与计算机视觉

测试与计量

计算金融学

计算生物学

第四部分：Julia

其实，题主一定要把Python带入比较，我更愿意带一句Julia——语法简洁媲美堪比Python，超快速度媲美C，和Lisp一样有元编程能力的语言。在对计算性能要求越来越高的深度学习时代，已成为机器学习的明日之星(海外已非常热)。

科学计算对性能一直有着最高的需求，如果你考虑Python，不如对比下Julia ：多种语言相对于C的计算性能对比(越小越好，C的性能=1.0)

关于“参加数学建模用 MATLAB，还是 Python？“，回答完毕。