- 重要的是能找到代码！代码查找和改写的能力很重要！建模就三天的时间，纯打代码肯定是来不及的，必须要找点套路！！！
- 一般情况下，这两个软件都可以，不过大多数人会选择使用MATLAB
，因为用MATLAB做出来的图更加专业美观，但是近些年有的学校MATLAB被封了，可能无法再使用。
不过没关系，Python
也是很好用的编程语言，而且学起来要比MATLAB简单一些，安装的也快(主要是MATLAB太大了 )。
当然了，最好两个软件你都会用，可以将二者的优点结合起来。
- 但是我个人认为，如果你们知道了用哪个模型或算法之后，最好去网上找找有没有对应的代码，能找到哪个代码就用哪个软件，找到之后直接改写代码！
为什么要找代码，改代码呢？
首先，你不可能掌握所有的算法代码，如果你重新学习的话，时间来不太及，毕竟只有三天的时间。
其次，即便你学会了某某算法，你也不能保证编写的代码准确无误，一旦错误就会白白浪费时间。
最后，既然网上都有现成的代码，你不用它干嘛！能省时间就省时间，而且大多数算法的代码都可以从网上找到。那么有的人可能会说了，既然改代码那么简单，那编程的队友是不是就没用了？
当然不是了，虽然说有的代码可以从网上找到，但是并不是说可以直接复制粘贴，你必须要根据实际情况修改，而且你必须能读懂吧。
另外，万一找不到代码呢？对不对，所以说编程大佬是非常重要的！
在备赛过程中可以拿往年的试题练练手，看看能不能找到并准确改写代码，一定要掌握这种能力，很重要的！
- 教授：我看你这个工作是基于python的，我记得在建模这一块还有一个软件MATLAB比较常用，你为什么没有使用MATLAB呢？
我：其实在行业认可度上，MATLAB被业内公认是一个非常优秀的建模软件，但是我们的项目使用过程中，需要涉及到云端的计算过程，使用MATLAB将会带来一系列的授权问题(我校并无MATLAB授权)，而且我这个属于公益项目，前期并无资金投入，无法购买昂贵的正版授权。因此，我们采用了和MATLAB功能相似又完全免费的python语言，配合其优秀的第三方库的适配性，完成了这个工作。
可以看出，我在这个回答中避免了一些坑，我并没有直说MATLAB跟python哪个更好(我相信他们有很多理由怼我说MATLAB更好，既然他们问了这个问题)，并成功的将话题转移到了授权的问题上，并希望这帮大佬能帮忙跟学校争取到MATLAB正版授权。
先放结论:MATLAB对于数模比赛各种尝试很方便。长远考虑Python用处大。核心功能两者差不多，都是脚本语言，都有成熟的平台和工具。
对于数学建模来讲MATLAB用起来更容易，操作比较简单，工具箱用起来比较"傻瓜"式，有些高级算法也可能可以在比赛中现学现用，比如遗传算法工具箱
，按要求在GUI界面填空就行。
Python是通用编程工具，应用面广，数据处理方面的第三方的库如numpy
（矩阵基础） scipy
（矩阵运算） sklearn
（人工智能算法） matplotlib
（科学制图）也很强大，学好它们对于数学建模足够了。
关于数模编程能力成长曲线。两个上手都不难，中期（大概就是进步到能拿国奖的水平那个阶段）matlab数据操作和算法积累进步会更快那么一点点，到后期（编程实现不再是难点时）熟练了又会没什么区别。
因为python的适用面广，如果在技术层面有长远打算，建议学Python。
从语言本身的发展看，MATLAB是mathwork公司自己开发维护的，提升已到瓶颈，未来用的人可能会越来越少；python是开源的，全世界一起开发维护，这几年可以颁发个进步最快奖，未来可能更万能，不会可能要再补课。
- 作为MATLAB党，表示，MATLAB的工具箱更为完善，函数更为稳健，毕竟收费的，Python作为胶水语言，确实有大量的库可以调用，但是可靠性就不能同日而语了，目前两个我都在用，经常相互之间调用，建议两个都学，MATLAB会少很多ITbug
- 先说结论：都学。先学matlab，有余力的情况下再学python。matlab是收费软件，强大的功能带来高效matlab可不便宜，动辄就几千几万。贵就贵在强大的内建函数和各种工具箱。这背后，是顶尖的数学家、程序员和专业领域专家几十年的心血，当然功能强大；研发成本巨大，自然卖得贵。强大的功能带来的是高效。数学建模竞赛只有三四天的时间，所以效率很重要。有些人在参加数学建模竞赛用python或其他语言编程，当别人使用matlab现成的工具箱几秒钟出答案时，他们还在遥遥无期地debug。
- Python的应用方向很多的，你学不过来，而且你只是准备数学建模，那么只需要把Python数学库这一块搞好来就行了，运算，绘图之类的。我本人就是打算参加数学建模的，虽然有些时候某些东西不像matlab一样直接用某一个函数传递参数就行了，但是总体而言Python用起来是很清爽的，可以对一个算法进行非常丰富的优化，例如很方便地从代码级别加入线程提高运算速度等等。事实上，你使用Java等也是可以做的。这些计算机语言都是一个很好的工具，当然目前更多人在使用计算机语言方面选择了Python。不过你仍然会见到有很多的人使用C++进行数学建模。
- 长话短说。数学建模你需要Python给你提供数据分析与挖掘的能力。那些Python的高级玩法更多涉及库的制作，软件工程，数学建模用不到。
给个学习的建议，先学完Python的基础语法并知道面向对象的编程思想，然后便是学习Python强大的第三方库。
1. numpy和matplotlib，这是Python内部的矩阵库和可视化库。下面所有库都是基于numpy开发的。
2. 有时间可以去看看scipy，这个库里面有许多科学计算的API。
3. shapely
也不错，里面有很多计算几何的API，今年APMCM的A题我就用它轻松完成了孵化曲线的绘制（其中还用了一些数据结构的思想，所以有条件学一下基本的数据结构对打代码大有裨益）。
4. 如果是和表格类型数据处理有关的题目，试试pandas
，它提供了处理表格类型数据全面便捷的API，非常方便。
5. 如果你会一些传统机器学习算法，可以使用sklearn来快速实现它们，当然如果手头数据比较少。如果你手头数据很多，不妨试试pytorch
，tensorflow
或者paddlepaddle
（个人推荐pytorch，比较好上手）。使用这些基于静态图或是动态图的深度学习框架，你能够快速实现一个DNN的前馈网络搭建与训练。
玩Python第三方库的诀窍个人感觉就是善用搜索引擎与翻翻官方文档。比如你哪天想要玩SVD，那么就在网络上搜索“如何用Python实现SVD”，看那些前辈用了什么库，怎么实现的。（也就是善于调库啦，当然你首先得知道有什么库）
如果你想进阶，那么Python的高级用法需要自学（网上系统的资料少得可怜）。比如class及其魔法方法，装饰器用法，itertools库的使用，内置函数的使用（比如map，filter），Python功能包的制作与发布（我个人打数模习惯先根据题目内容写一个工具集）。这些会让你的代码结构更加精简（比如实现一个hanming code，如果你知道这些高级用法就可以把行数从5行缩短到1行）。
好好玩吧！（本蒟蒻去赶数据结构了）
- 如果你同时会几种编程语言，你就会发现每种语言都有他们独特的应用领域和特点。python更“计算机”，而MATLAB更“数学”，而他们都能解决“数学建模”这个即计算机又数学的问题。
如果你们队伍中的编程位同学，平时代码写的不多，他可能更倾向于用MATLAB：数学运算，矩阵运算，把公式一套就能跑出个结果，一句plot就能画出图像，坏境又好配，工具包又多，太轻松了。
可是这样好么？如果建模位出来的思路不那么数学，仿真了实际环境需要大量运算，没有过硬的数学基础，代码位同学很难把思路归化成高效的矩阵运算，三层循环嵌套下来（一般X，Y，t就有三层了）想要仿真一个结果，时间上跑不动咋办，论文写完了数据没有图出不来，PS建模？
如果你们队伍中的编程位同学，平时就是个coding大佬，他可能更倾向于用python：首先他更熟悉，应用性的功能用python更多，更多抽象，更多封装，代码质量高得一批，版本控制一天30个commit；矩阵运算numpy，数值符号运算sympy，画图matplotlib和seaborn不比三区论文上的丑，必要的时候爬虫丢服务器上跑还怕没数据？
可不是每个队伍都能找到这样的编程位。
MATLAB是好用，新手入手快，结果出来的快，但是也正因为基础薄弱，平时用的少，所以天花板会比较低。
Python是好用，思路清晰，第三方库多到爆炸，IDE齐全，出图好看，可要想做好它毕竟门槛高一些（好多人环境都配不明白）。
所以我的建议是什么呢？都要学，可时间短，没法都学会的，就找好教程，知道教程讲什么，到时候去套代码改参数；抱好大腿，让大腿在危机时刻告诉你怎么改代码，bug出在哪儿。
- Matlab更适合工程师和科研人员，不仅有很多十分完备的函数和工具箱，在数模中，往往一个工具箱就可以解决大部分问题了。当然，学的话很快，学会一些基本操作，到需要专业的命令和语句时再上网查查就很好了。Python是一门正经的编程语言，不仅仅是数模，还有编程能解决的几乎所有问题，当然，在数值计算和统计上，优于其他语言，这也是能够和MATLAB相比较的原因。
最好是都要懂，会基本操作，至少能看得懂，毕竟到了关键时刻，能复制修改的，决不从头写。。。
- 如果涉及到数据清洗，挖掘，预测，图像处理，模式识别，拟合等相关的问题，使用python会更好。如果涉及系统性的问题。会涉及到仿真方面，比如说电力，混沌，有限元，3D仿真等，可以考虑使用matlab
- 个人建议如果是纯小白且时间紧迫且仅仅是为了参加比赛，先学Matlab，上手快而且作图运算啥的个人感觉相对来说要简单点，而且还有一堆现成的图形化界面的工具箱，对新手较为友好；但如果是说为了今后各方面的发展考虑，还是建议花时间学一下python，python的泛用性更好而且应用场景比Matlab要广的多。
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删
武汉格发信息技术有限公司，格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求，再低成本合规性管理软件许可,帮助贵司提高软件投资回报率，为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks ,Hyperworks, Protel,CAXA,OpenWorks LandMark,MATLAB,Enovia,Winchill,TeamCenter,MathCAD,Ansys, Abaqus,ls-dyna, Fluent, MSC,Bentley,License,UG,ug,catia,Dassault Systèmes,AutoDesk,Altair,autocad,PTC,SolidWorks,Ansys,Siemens PLM Software,Paradigm,Mathworks,Borland,AVEVA,ESRI,hP,Solibri,Progman,Leica,Cadence,IBM,SIMULIA,Citrix,Sybase,Schlumberger,MSC Products...
技术文档
热门文章
155-2731-8020
