300 个 MATLAB 核心分析方法的 Python/在线实现

本项目整理了 300 个 基于 MATLAB 的重要分析方法,每个案例包含:
- 📝 MATLAB 完整代码 - 原汁原味的 MATLAB 实现
- 🐍 Python 实现 - 轻量化在线可运行的等效代码
- 📊 测试数据 - 可直接运行的示例数据
- 📖 中文说明 - 详细的中文文档
| 特点 |
描述 |
| 🌍 在线运行 |
所有 Python 代码可在线运行,无需本地环境 |
| 📚 300 案例 |
覆盖数学、统计、信号、机器学习等领域 |
| 🇨🇳 中文文档 |
完整的中文说明文档 |
| 🔄 双语代码 |
MATLAB + Python 对照实现 |
| 📦 开箱即用 |
附带测试数据,可直接运行 |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 01 |
矩阵运算基础 |
✅ |
✅ |
✅ |
| 02 |
矩阵分解 (LU) |
✅ |
✅ |
✅ |
| 03 |
矩阵分解 (QR) |
✅ |
✅ |
✅ |
| 04 |
矩阵分解 (SVD) |
✅ |
✅ |
✅ |
| 05 |
特征值与特征向量 |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 51 |
数值积分 |
✅ |
✅ |
✅ |
| 52 |
常微分方程求解 |
✅ |
✅ |
✅ |
| 53 |
插值方法 |
✅ |
✅ |
✅ |
| 54 |
曲线拟合 |
✅ |
✅ |
✅ |
| 55 |
非线性方程求解 |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 101 |
描述性统计 |
✅ |
✅ |
✅ |
| 102 |
假设检验 |
✅ |
✅ |
✅ |
| 103 |
方差分析 |
✅ |
✅ |
✅ |
| 104 |
回归分析 |
✅ |
✅ |
✅ |
| 105 |
主成分分析 PCA |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 151 |
FFT 频谱分析 |
✅ |
✅ |
✅ |
| 152 |
数字滤波器设计 |
✅ |
✅ |
✅ |
| 153 |
卷积与相关 |
✅ |
✅ |
✅ |
| 154 |
窗函数 |
✅ |
✅ |
✅ |
| 155 |
功率谱估计 |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 201 |
图像读取与显示 |
✅ |
✅ |
✅ |
| 202 |
图像滤波 |
✅ |
✅ |
✅ |
| 203 |
边缘检测 |
✅ |
✅ |
✅ |
| 204 |
形态学操作 |
✅ |
✅ |
✅ |
| 205 |
图像分割 |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 251 |
线性回归 |
✅ |
✅ |
✅ |
| 252 |
逻辑回归 |
✅ |
✅ |
✅ |
| 253 |
SVM 支持向量机 |
✅ |
✅ |
✅ |
| 254 |
决策树 |
✅ |
✅ |
✅ |
| 255 |
随机森林 |
✅ |
✅ |
✅ |
| 256 |
神经网络 |
✅ |
✅ |
✅ |
| 257 |
K-means 聚类 |
✅ |
✅ |
✅ |
| 258 |
朴素贝叶斯 |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 301 |
线性规划 |
✅ |
✅ |
✅ |
| 302 |
整数规划 |
✅ |
✅ |
✅ |
| 303 |
遗传算法 |
✅ |
✅ |
✅ |
| 304 |
粒子群优化 |
✅ |
✅ |
✅ |
| 305 |
模拟退火 |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
| # |
案例名称 |
MATLAB |
Python |
数据 |
| 331 |
ARIMA 模型 |
✅ |
✅ |
✅ |
| 332 |
移动平均 |
✅ |
✅ |
✅ |
| 333 |
指数平滑 |
✅ |
✅ |
✅ |
| 334 |
傅里叶变换 |
✅ |
✅ |
✅ |
| 335 |
小波变换 |
✅ |
✅ |
✅ |
| ... |
... |
... |
... |
... |
# 方法 1: Google Colab
# 访问 https://colab.research.google.com
# 上传 .py 文件即可运行
# 方法 2: Octave Online
# 访问 https://octave-online.net
# 粘贴 MATLAB 代码即可运行
# 方法 3: Kaggle
# 访问 https://www.kaggle.com/notebooks
# 新建 Notebook 运行
# 安装 Python 环境
pip install numpy scipy matplotlib pandas scikit-learn
# 克隆项目
git clone https://github.com/InvictusAutomation/20260311s-predictive-analytics.git
# 进入目录
cd 20260311s-predictive-analytics
# 运行示例
python cases/001_matrix_basic.py
# 使用提供的 Dockerfile
docker build -t matlab-cases .
docker run -p 8888:8888 matlab-cases
每个案例包含以下文件:
cases/001_matrix_basic/
├── README.md # 案例说明 (中文)
├── matlab/
│ └── main.m # MATLAB 完整代码
├── python/
│ └── main.py # Python 实现
├── data/
│ └── input.csv # 测试数据
└── results/ # 运行结果 (生成)
└── output.png
# 核心科学计算
numpy>=1.21.0
scipy>=1.7.0
matplotlib>=3.4.0
pandas>=1.3.0
# 机器学习
scikit-learn>=1.0.0
torch>=1.9.0
tensorflow>=2.6.0
# 信号处理
scipy.signal
PyWavelets>=1.1.0
# 图像处理
opencv-python>=4.5.0
Pillow>=8.0.0
# 时间序列
statsmodels>=0.13.0
pmdarima>=1.8.0
# 优化
scipy.optimize
DEAP>=1.3.0
- Statistics and Machine Learning Toolbox
- Image Processing Toolbox
- Signal Processing Toolbox
- Optimization Toolbox
- Deep Learning Toolbox
欢迎贡献案例!
- Fork 本仓库
- 创建分支 (
git checkout -b case/xxx)
- 添加案例文件
- 提交 Pull Request
详见 CONTRIBUTING.md
| 平台 |
网址 |
特点 |
| Octave Online |
octave-online.net |
免费 MATLAB 兼容 |
| Google Colab |
colab.research.google.com |
免费 GPU |
| Kaggle |
kaggle.com/notebooks |
免费竞赛环境 |
| Binder |
mybinder.org |
免费 Jupyter |
MIT License - 查看 LICENSE 了解详情
- 项目维护: MLF-Toolkit Team
- 反馈: GitHub Issues
让科学计算更简单 🚀